《使用R的線性回歸：數據建模導論，第二版》以非正式教程風格呈現了基礎數據建模技術之一。學習如何通過詳細的逐步流程預測測量數據的系統輸出，以開發、訓練和測試可靠的回歸模型。關鍵建模和編程概念通過R語言直觀描述。

Deep Learning with PyTorch Quick Start Guide: Learn to train and deploy neural network models in Python

2018年12月24日 |ISBN：1789534092 |英文 |160頁 |真實（PDF，EPUB）+代碼 |40 MB

通過構建卷積神經網絡和循環神經網絡，深入了解深度學習和PyTorch，適用于圖像分類、遷移學習和自然語言處理等實際應用場景。

主要特點

清晰簡潔的解釋

提供深度學習模型

的重要見解 關鍵概念的實際演示

書籍簡介

PyTorch 功能強大且易于學習。它提供先進功能，如支持多處理器、分布式和并行計算。這本書是想利用 PyTorch 探索深度學習、利用其強大能力的人士的絕佳入門。

本書將向你介紹PyTorch深度學習庫，并教你如何輕松訓練深度學習模型。我們將使用PyTorch搭建深度學習環境，然后訓練和部署不同類型的深度學習模型，如CNN、RNN和自編碼器。

你將學習如何通過調整超參數來優化模型，以及如何在多處理器和分布式環境中使用 PyTorch。我們將討論長短期記憶網絡（LSTMs），并構建一個用于預測文本的語言模型。

讀完這本書后，你將熟悉PyTorch的功能，并能相對輕松地利用該庫訓練你的神經網絡。你將學

到的內容

使用 PyTorch 庫

搭建深度學習環境 學習構建圖像分類深度學習模型

使用卷積神經網絡進行遷移學習

理解如何使用 PyTorch 進行自然語言處理

使用循環神經網絡分類

文本 理解如何在多處理器和分布環境中

優化 訓練、優化和部署神經網絡以實現最大準確性和性能

學習部署生產準備模型

這本書適合誰

熟悉機器學習但對深度學習還不熟悉的開發者和數據科學家，或希望用PyTorch訓練深度學習模型的現有深度學習從業者，都會覺得這本書很有用。具備Python編程知識將是額外的優勢，而此前則無需接觸PyTorch。