深度學(xué)習(xí)是基于多層神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)的一個子集，可以解決自然語言處理和圖像分類等領(lǐng)域中特別困難和大規(guī)模的問題�！禔pache Spark深度學(xué)習(xí)實戰(zhàn)》解析了技術(shù)和分析部分的復(fù)雜性，以及在Apache Spark上實施深度學(xué)習(xí)解決方案的速度。書中首先介紹了Apache Spark和深度學(xué)習(xí)的基礎(chǔ)知識，包括為深度學(xué)習(xí)設(shè)置Spark，學(xué)習(xí)分布式建模的原理，了解不同類型的神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)中數(shù)據(jù)的提取、轉(zhuǎn)換和加載，數(shù)據(jù)流的應(yīng)用；然后介紹了在Spark上實現(xiàn)CNN、RNN和LSTM等深度學(xué)習(xí)模型，使用Spark訓(xùn)練神經(jīng)網(wǎng)絡(luò)，監(jiān)控與調(diào)試神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)的評估，在分布式系統(tǒng)上部署深度學(xué)習(xí)應(yīng)用，自然語言處理基礎(chǔ)，文本分析和深度學(xué)習(xí)，卷積和圖像分類；后對深度學(xué)習(xí)未來的發(fā)展作了一個簡要概括。另外，書中還使用DL4J（大部分）、Keras和TensorFlow等流行的深度學(xué)習(xí)框架實現(xiàn)和訓(xùn)練分布式模型。學(xué)完本書，讀者可獲得理解和處理復(fù)雜數(shù)據(jù)集所需的實踐經(jīng)驗。本書適合Scala開發(fā)人員、數(shù)據(jù)科學(xué)家或數(shù)據(jù)分析師學(xué)習(xí)，也適合所有想使用Spark實現(xiàn)高效深度學(xué)習(xí)模型的人工智能相關(guān)專業(yè)的學(xué)生和開發(fā)人員。