本書帶領讀者初步學習和實踐機器學習、深度學習的算法、流程和核心技術，并介紹了系統(tǒng)開發(fā)及開發(fā)環(huán)境，通過圖解的方式將難懂的專業(yè)術語和算法表現(xiàn)出來，還介紹了一些比較常用的網站網絡服務，讓讀者能夠學以致用。
這本書的特色就是“簡單”，這本書沒有這么多的“高大上”，而是用基本的表達講述了很多達人們覺得理所應當而新手們云里霧里的知識，甚至能讓學過理論知識但是沒有實踐的人讀完之后產生，原來機器學習是這個樣子呀的感覺。這本書里沒有大量生澀的公式，也沒有令人望而生畏的論文，有的只是一幅幅生動的示意圖，能讓讀者將人工智能的知識通過圖解的方式記到心里。
譯者的話相信每個愛看好萊塢大片的讀者都會有一個機器人夢，我也不例外，而近幾年興起的人工智能技術則讓人類對機器可以產生智慧這件事的信心提高到了空前的水平。雖然熱度很高，但人工智能領域所需要的數學基礎和算法知識讓大多數想要進入這個領域的人望而卻步，為此大量講授機器學習知識和技巧的書籍以及自媒體應運而生。這些文章的作者普遍都已經有了相當深厚的知識積累，有的甚至在行業(yè)內享有極高聲譽，他們講授的知識都是正確且先進的。可是想要進入這個領域的讀者往往沒有相當好的數學基礎，有的讀者還是初高中在讀生，大量的先導知識讓讀者往往需要大量查閱其他資料才能有所領悟。為了能夠讓更多讀者一覽人工智能的美妙，譯者選中了這本書，選中這本書的原因就是它的“簡單”，這本書沒有那么多高深的理論，而是用簡單的語言介紹了很多行家們覺得理所應當而新手們云里霧里的知識，甚至能讓學過理論知識但是沒有實踐的人讀完之后產生“原來機器學習是這個樣子呀”的感覺。這本書里沒有大量生澀的公式，也沒有令人望而生畏的論文，有的只是一幅幅生動的示意圖，通過圖解的方式讓讀者將人工智能的知識理解透徹。本書的翻譯過程讓譯者也學到了很多，由于譯者水平有限，不妥之處在所難免，敬請各位讀者批評指正。譯者 前言“人工智能”“機器學習”“深度學習”這些詞匯近年來迅速占領各大媒體。最近公開的經濟產業(yè)省的估算指出，2030年日本的AI工程師將會有12萬人的缺口。在時代的洪流下，即使沒有人工智能專業(yè)基礎的人也對機器學習的應用有著需求。近幾年，各種基于機器學習的程序庫和不需要編程的機器學習服務逐漸普及，即使不是專家，只要準備好數據，也能實現(xiàn)一些需求。但是在不知道機器學習算法的內部發(fā)生什么的情況下，盲目地將其應用在商務等重要場合是極度危險的。一般情況下，AI工程師從入門到精通需要搜羅學習大量的網絡文章和專門書籍，而這些文章和書籍大都預設了“你已經有了一定的基礎”的立場，因此就少了很多的前提說明，讓讀者難以理解機器學習的主旨。而專業(yè)書籍中的數學公式又太多，想要成為AI工程師的人從此入手的難度又太高。本書就是填補這一空白的作品。為此，本書不會為了大量列舉公式而犧牲必要的講解，對于AI工程師必須理解的東西，本書會用圖示的方式循序漸進地介紹給大家。希望能有更多的讀者通過本書發(fā)現(xiàn)機器學習的有趣之處和可能性，因此而踏入機器學習的世界。山口達輝
第1章 人工智能的基礎知識01 人工智能是什么 00202 機器學習（ML） 00603 深度學習（DL）是什么 01004 人工智能和機器學習的普及之路 014第2章 機器學習的基礎知識05 有教師學習的機制 02006 無教師學習的機制 02407 強化學習的機制 02808 統(tǒng)計和機器學習的區(qū)別 03009 機器學習和特征量 03410 擅長的領域和不擅長的領域 03811 應用機器學習的案例 042第3章 機器學習的過程和核心技術12 機器學習的基本工作流程 04813 數據的收集 05214 數據的整定 05615 模型的制作和訓練 06016 批學習和在線學習 06417 利用測試數據對預測結果進行驗證 06618 訓練結果的評價標準 07019 超參數和模型的調節(jié) 07620 主動學習 08021 相關和因果 08422 反饋回路 088第4章 機器學習算法23 回歸分析 09224 支持向量機 09825 決策樹 10226 協(xié)同學習 10627 協(xié)作學習的應用 11028 邏輯回歸 11429 貝葉斯模型 11630 時間序列分析和狀態(tài)空間模型 12031 k近鄰（k-NN）法和k平均（k-means）法 12432 降維和主成分分析 12833 優(yōu)化和遺傳算法 132第5章 深度學習的基礎知識34 神經網絡和其歷史 13835 深度學習和圖像識別 14636 深度學習和自然語言處理 150第6章 深度學習的流程和核心技術37 基于誤差反向傳播法的神經網絡學習 15638 神經網絡的優(yōu)化 15839 坡度消失問題 16240 遷移學習 164第7章 深度學習算法41 卷積神經網絡（CNN） 17042 遞歸型神經網絡（RNN） 17443 強化學習和深度學習 18044 自動編碼器 18645 GAN（生成對抗網絡） 19046 物體檢測 194第8章 系統(tǒng)開發(fā)和開發(fā)環(huán)境47 人工智能編程使用的主要語言 20048 機器學習的庫和框架 20449 深度學習的框架 20850 GPU編程和快速化 21451 機器學習服務 216結束語 219參考文獻 220
書單推薦
