第1章 入门
1.1 介绍
1.2 安装R及其IDE
1.2.1 准备
1.2.2 怎么做
1.3 安装Jupyter Notebook应用
1.3.1 怎么做
1.3.2 更多内容
1.4 从R机器学习基础开始
1.4.1 怎么做
1.4.2 工作原理
1.5 在R中安装深度学习的工具/包
1.6 在R中安装MXNet
1.6.1 做好准备
1.6.2 怎么做
1.7 在R中安装TensorFlow
1.7.1 做好准备
1.7.2 怎么做
1.7.3 工作原理
1.8 在R中安装H2O
1.8.1 做好准备
1.8.2 怎么做
1.8.3 工作原理
1.8.4 更多内容
1.9 使用Docker一次安装3个包
1.9.1 做好准备
1.9.2 怎么做
1.9.3 更多内容
第 2章 R深度学习
2.1 始于逻辑回归
2.1.1 做好准备
2.1.2 怎么做
2.2 介绍数据集
2.2.1 做好准备
2.2.2 怎么做
2.3 使用H2O执行逻辑回归
2.3.1 做好准备
2.3.2 怎么做
2.3.3 工作原理
2.4 使用TensorFlow执行逻辑回归
2.4.1 做好准备
2.4.2 怎么做
2.4.3 工作原理
2.5 可视化TensorFlow图
2.5.1 做好准备
2.5.2 怎么做
2.5.3 工作原理
2.6 从多层感知器开始
2.6.1 做好准备
2.6.2 怎么做
2.6.3 更多内容
2.7 使用H2O建立神经网络
2.7.1 做好准备
2.7.2 怎么做
2.7.3 工作原理
2.8 使用H2O中的网格搜索调整超参数
2.8.1 做好准备
2.8.2 怎么做
2.8.3 工作原理
2.9 使用MXNet建立神经网络
2.9.1 做好准备
2.9.2 怎么做
2.9.3 工作原理
2.10 使用TensorFlow建立神经网络
2.10.1 做好准备
2.10.2 怎么做
2.10.3 工作原理
2.10.4 更多内容
第3章 卷积神经网络
第4章 使用自动编码器的数据表示
第5章 深度学习中的生成模型
第6章 循环神经网络
第7章 强化学习
第8章 深度学习在文本挖掘中的应用
第9章 深度学习在信号处理中的应用
第10章 迁移学习

本书介绍使用R语言和深度学习库TensorFlow、H2O和MXNet构建不同的深度学习模型的方法和原理。本书共10章，其中第1、2章介绍如何在R中配置不同的深度学习库以及如何构建神经网络；第3～7章介绍卷积神经网络、自动编码器、生成模型、循环神经网络和强化学习的构建方法和原理；第8、9章介绍深度学习在文本挖掘以及信号处理中的应用；第10章介绍迁移学习以及如何利用GPU部署深度学习模型。
本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习；内容上覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景。同时，书中包含大量实用的示例代码，方便读者应用到实际项目中。
本书适合有一定R语言编程基础，并且希望使用R语言快速开展深度学习项目的软件工程师或高校师生、科研人员阅读。