京东：https://item.jd.com/13492244723.html
内容简介
本书系统地讲解了深度学习的基本知识、建模过程和应用，并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列中的具体应用为案例，详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验，是一本非常好的深度学习入门书。
不同于许多讲解深度学习的书籍，本书以实用为导向，选择了Keras作为编程框架，强调简单、快速地设计模型，而不去纠缠底层代码，使得内容相当易于理解。读者可以在TK、TensorFlow和Theano的后台之间随意切换，非常灵活，并且能帮助读者从高度抽象的角度去审视业务问题，达到事半功倍的效果。
作者介绍
谢梁
现任微软云计算核心存储部门首席数据科学家，主持运用机器学习和人工智能方法优化大规模高可用性并行存储系统的运行效率和改进其运维方式。具有10年以上机器学习应用经验，熟悉各种业务场景下机器学习和数据挖掘产品的需求分析、架构设计、算法开发和集成部署，涉及金融、能源和高科技等领域。曾经担任美国道琼斯工业平均指数保险业成分股的旅行者保险公司分析部门总监，负责运用现代统计学习方法优化精算定价业务和保险运营管理，推动精准个性化定价解决方案。在包括Journal of Statistical Software等专业期刊上发表过多篇论文，担任Journal of Statistical Computation and Simulation期刊以及Data Mining Applications with R一书的审稿人。本科毕业于西南财经大学经济学专业，博士毕业于纽约州立大学计量经济学专业。
鲁颖
现任谷歌硅谷总部数据科学家，为谷歌应用商城提供核心数据决策分析，利用机器学习和深度学习技术建立用户预测模型，为产品优化提供核心数据支持。曾在、微软和迪士尼美国总部担任机器学习研究科学家，有着多年使用机器学习和深度学习算法研发为业务提供解决方案的经验。热衷于帮助中国社区的人工智能方面的研究和落地，活跃于各个大型会议并发表主题演讲。本科毕业于复旦大学数学专业，博士毕业于明尼苏达大学统计专业。
劳虹岚
现任微软研究院研究工程师，从事早期智能硬件项目上的视觉和语音的研发，对企业用户和消费者需求体验和 AI 技术的结合有很好的把握。之前在 Azure 和 o365 负责大流量高并发后台云端开发，对架构设计和性能优化有深刻的洞察。拥有从前端到后端的丰富经验：从客户需求判断到产品开发，再到云端架构设计。 本科毕业于浙江大学电子系，硕士毕业于 USC 电子和计算机系。
