拉格哈夫·巴利，拥有印度Barlgalore国际信息技术学院信息技术硕士学位(金牌得主)。他是Intel的IT工程师，从事分析、商务智能和应用程序开发。他曾在ERP、金融、商务智能等领域的一些世界顶级公司从事分析和开发工作。

第1部分 深度学习基础
第1章 机器学习基础
1.1 什么是机器学习
1.1.1 机器学习的正式定义
1.1.2 浅层学习和深度学习
1.2 机器学习算法
1.2.1 监督学习
1.2.2 无监督学习
1.3 CRISP-DM
1.3.1 业务理解
1.3.2 数据理解
1.3.3 数据准备
1.3.4 建模
1.3.5 评估
1.3.6 部署
1.4 标准机器学习工作流
1.4.1 数据检索
1.4.2 数据准备
1.4.3 建模
1.4.4 模型评估和调优
1.4.5 部署和监控
1.5 探索性数据分析
1.6 特征提取和特征工程
1.7 特征选择
1.8 总结
第2章 深度学习精要
2.1 什么是深度学习
2.2 深度学习框架
2.3 创建一个支持GPU的云端深度学习环境
2.3.1 选择一个云供应商
2.3.2 设置虚拟服务器
2.3.3 配置虚拟服务器
2.3.4 安装和升级深度学习依赖项
2.3.5 访问深度学习云环境
2.3.6 在深度学习环境中验证启用GPU
2.4 创建一个支持GPU的、健壮的内部深度学习环境
2.5 神经网络基础
2.5.1 一个简单的线性神经元
2.5.2 基于梯度的最优化问题
……
第2部分 迁移学习精要
第3部分 迁移学习案例研究

迁移学习是机器学习技术的一种，它可以从一系列机器学习问题的训练中获得知识，并将这些知识用于训练其他相似类型的问题。
本书分为3个部分：第1部分是深度学习基础，介绍了机器学习的基础知识、深度学习的基础知识和深度学习的架构；第2部分是迁移学习精要，介绍了迁移学习的基础知识和迁移学习的威力；第3部分是迁移学习案例研究，介绍了图像识别和分类、文本文档分类、音频事件识别和分类、DeepDream算法、风格迁移、自动图像扫描生成器、图像着色等内容。
本书适合数据科学家、机器学习工程师和数据分析师阅读，也适合对机器学习和迁移学习感兴趣的读者阅读。在阅读本书之前，希望读者对机器学习和Python编程有基本的掌握。