＊系統地講解深度學習的基本知識、建模過程和應用，是非常好的深度學習入門書。
＊以推薦系統、圖形識別、自然語言處理、文字產生和時間序列的具體應用作為案例。
＊從工具準備、資料擷取和處理，到針對問題進行建模的整個過程和實踐均詳細解說。
＊不僅能夠使讀者快速掌握深度學習，還可以進一步有效應用到商業和工程領域中。

基於各行各業對深度學習技術的需求，許多公司和學校都開源了深度學習工具套件，其中比較知名的有CNTK、TensorFlow、Theano、Caffe、MXNet和Torch等。這些工具都提供非常靈活與強大的建模能力，大幅降低使用深度學習技術的門檻，進一步加速深度學習技術的研究和應用。但是，這些工具各有所長、介面不同，而且對於很多初學者來說，由於工具套件過於靈活，有時反而難以掌握。

基於這些原因，Keras乃應運而生。可將其視為一個更容易使用、在更高層級抽象化、兼具相容性和靈活性的深度學習框架，它的底層可以在CNTK、TensorFlow和Theano之間自由切換。Keras的出現，使得很多初學者能夠很快地體驗深度學習的基本技術和模型，並且應用到實際問題中。

作者簡介：

謝梁
現任微軟雲端運算核心儲存部門首席數據科學家，主導團隊運用機器學習和人工智慧改善大規模、高可用性並行儲存系統的執行效率，和改進其維運方式。具有十餘年機器學習應用經驗，熟悉各種業務場景下機器學習和資料探勘產品的需求分析、架構設計、演算法開發和整合部署，涉及金融、能源和高科技等領域。曾經擔任旅行家保險公司的分析部門總監，負責運用現代統計學習方法改善精算定價業務和保險營運管理，推動精準個性化定價解決方案。在Journal of Statistical Software等專業期刊上曾發表多篇論文，也曾擔任Journal of Statistical Computation and Simulation期刊以及Data Mining Applications with R一書的審稿人。大學畢業於西南財經大學主修經濟學，博士畢業於紐約州立大學主修計量經濟學。

魯穎
現任Google矽谷總部數據科學家，為Google應用商店提供核心數據決策分析，利用機器學習和深度學習技術建立用戶行為預測模型，為改善產品提供核心數據支援。曾在亞馬遜、微軟和迪士尼美國總部擔任機器學習研究科學家，以機器學習和深度學習演算法研發為業務提供解決方案，有著多年的經驗。熱衷幫助相關社群在人工智慧方面的研究和落實，活躍於各個大型會議並發表主題演講。大學畢業於復旦大學主修數學，博士畢業於明尼蘇達大學主修統計。

勞虹嵐
現任微軟研究院研究工程師，是早期智慧硬體專案中視覺和語音研發的核心團隊成員，對企業用戶和消費者需求體驗與AI技術的結合有深刻的理解和豐富的經驗。曾在Azure和Office 365負責處理大流量並行處理的後台雲端研究和開發，精通一系列系統架構設計和性能改善方面的解決方案。擁有從前端到後端的豐富經驗：包括客戶需求判斷、產品開發以及最終在雲端架構設計和部署。大學畢業於浙江大學電子系，碩士畢業於美國南加州大學（USC）電子和計算機系。