深度学习是基于多层神经网络的机器学习的一个子集，可以解决自然语言处理和图像分类等领域中特别困难和大规模的问题。本书解析了技术和分析部分的复杂性，以及在Apache Spark上实施深度学习解决方案的速度。

本书首先介绍了Apache Spark和深度学习的基本架构（如何设置用于深度学习的Spark、分布式建模的原理及不同类型的神经网络）；然后在Spark上实现一些深度学习模型，如CNN、RNN和LSTM。读者将从中获得所需要的实践经验，并对他们正在处理的复杂性事件有一个总体的理解。在本书编写过程中，将使用流行的深度学习框架实现和训练分布式模型，如DL4J（大部分）、Keras和TensorFlow。

本书有以下几个任务：

创建一个实践指南实现Scala（在某些情况下，也包括Python）的扩展和性能的深度学习解决方案。

通过一些代码示例让读者对使用Spark更有信心。

解释如何针对特定的深度学习问题或场景选择最佳的解决模型。

本书学习目标：

使用 Apache Spark构建和部署分布式深度学习应用

理解深度学习的基础知识

建立 Apache Spark 用于深度学习

理解分布式建模的原理和不同类型的神经网络

获得对深度学习算法的理解

用Spark开发文本分析和深度学习

使用流行的深度学习框架，比如 Deeplearning4j，Tensorflow 和 Keras

开发流行的深度学习算法