《使用R的线性回归：数据建模导论，第二版》

《使用R的线性回归：数据建模导论，第二版》以非正式教程风格呈现了基础数据建模技术之一。学习如何通过详细的逐步流程预测测量数据的系统输出，以开发、训练和测试可靠的回归模型。关键建模和编程概念通过R语言直观描述。

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页 |真实（PDF，EPUB）+代码 |40 MB

通过构建卷积神经网络和循环神经网络，深入了解深度学习和PyTorch，适用于图像分类、迁移学习和自然语言处理等实际应用场景。

主要特点

清晰简洁的解释

提供深度学习模型

的重要见解 关键概念的实际演示

书籍简介

PyTorch 功能强大且易于学习。它提供先进功能，如支持多处理器、分布式和并行计算。这本书是想利用 PyTorch 探索深度学习、利用其强大能力的人士的绝佳入门。

本书将向你介绍PyTorch深度学习库，并教你如何轻松训练深度学习模型。我们将使用PyTorch搭建深度学习环境，然后训练和部署不同类型的深度学习模型，如CNN、RNN和自编码器。

你将学习如何通过调整超参数来优化模型，以及如何在多处理器和分布式环境中使用 PyTorch。我们将讨论长短期记忆网络（LSTMs），并构建一个用于预测文本的语言模型。

读完这本书后，你将熟悉PyTorch的功能，并能相对轻松地利用该库训练你的神经网络。你将学

到的内容

使用 PyTorch 库

搭建深度学习环境 学习构建图像分类深度学习模型

使用卷积神经网络进行迁移学习

理解如何使用 PyTorch 进行自然语言处理

使用循环神经网络分类

文本 理解如何在多处理器和分布环境中

优化 训练、优化和部署神经网络以实现最大准确性和性能

学习部署生产准备模型

这本书适合谁

熟悉机器学习但对深度学习还不熟悉的开发者和数据科学家，或希望用PyTorch训练深度学习模型的现有深度学习从业者，都会觉得这本书很有用。具备Python编程知识将是额外的优势，而此前则无需接触PyTorch。