前言

为何撰写本书

笔者从事机器学习教育行业已有四年，其间也在“IT邦帮忙”撰写过上百篇文章（https://ithelp.ithome.com.tw/users/20001976/articles），从学员及读者的回馈中获得了许多宝贵意见，期望能将整个历程集结成册，同时，相关领域的发展也在飞速变化，过往的文章内容需要翻新，因此笔者借机再重整思路，思考如何能将算法的原理解释得更简易清晰，协助读者跨入AI的门坎，另外，也尽量避免流于空谈，增加应用范例，希望能使学生实现即学即用，不要有过多理论的探讨。

AI是一个将数据转化为知识的过程，算法就是过程中的生产设备，最后产出物是模型，再将模型植入各种硬件装置，如计算机、手机、智能音箱、汽车、医疗诊断仪器等，这些装置就拥有了特殊专长的智能，再进一步整合各项技术就可以构建出智能制造、智能金融、智能交通、智慧医疗、智能城市、智能家庭等应用系统。AI的应用领域如此广阔，个人精力和能力有限，唯有从基础扎根，再扩及有兴趣的领域，因此，笔者撰写这本书的初衷，就是希望读者在扎根的过程中，贡献一点微薄的力量。

本书主要的特点

（1）笔者身为统计人，希望能 以统计/数学为出发点 ，介绍深度学习必备的数理基础，但又不希望内文有太多数学公式的推导，让离开校园已久的在职者看到大量数学符号心生恐惧，因此，本书尝试以 程序设计取代定理证明 ，缩短学习历程，增进学习乐趣。

（2）TensorFlow 2.X版有巨大的变动，默认模式改为Eager Execution，并以Keras为主力，整合TensorFlow其他模块，形成完整的架构，本书期望对TensorFlow架构作完整性的介绍，并非只是介绍Keras而已。

（3）算法介绍以理解为主，辅以大量图表说明，摒弃长篇大论。

（4）完整的范例程序及各种算法的延伸应用，以实用为要，希望能触发读者灵感，能在项目或产品内应用。

（5）介绍日益普及的算法与相关套件的使用，如YOLO（目标检测）、GAN（生成对抗网络）/DeepFake（深度伪造）、OCR（光学文字辨识）、人脸识别、BERT/Transformer、ChatBot、强化学习、语音识别（ASR）等。

目标对象

（1）深度学习的入门者：必须熟悉Python程序语言及机器学习的基本概念。

（2）数据工程师：以应用系统开发为职业志向，希望能应用各种算法，进行实际操作。

（3）信息工作者：希望能扩展深度学习知识领域。

（4）从事其他领域的工作：希望能一窥深度学习奥秘者。

阅读重点

（1）第1章介绍AI的发展趋势，鉴古知今，引导读者了解前两波AI失败的原因，比较第三波发展的差异性。

（2）第2章介绍深度学习必备的统计/数学基础，读者不仅要理解相关知识，也要力求能撰写程序解题。

（3）第3章介绍TensorFlow的基本功能，包括张量（Tensor）运算、自动微分及神经网络模型的组成，并说明梯度下降法求解的过程。

（4）第4章开始实作，依照机器学习十项流程，撰写完整的范例，包括Web、桌面程序等。

（5）第5章介绍TensorFlow进阶功能，包括各种工具，如TensorBoard、TensorFlow Serving、Callbacks等。

（6）第6～10章介绍图像/视频的算法及各式应用。

（7）第11～14章介绍自然语言处理、语音及各式应用。

（8）第15章介绍AlphaGo的基础——强化学习算法。

本书范例程序代码和参考文献全部可以通过扫描二维码获取。

致谢

原本笔者计划整理过往文章集结成书，但由于相关技术发展太快，几乎全部重新撰写编排，因此耗时较长，因个人能力有限，还是有许多问题成为遗珠之憾，仍待后续努力，编写过程中感谢栾大成、申美莹在编辑、校正、封面构想环节的尽心协助，也感谢清华大学出版社的大力支持，使本书得以顺利出版，最后要借此书，纪念一位挚爱的亲人。

书中内容如有疏漏、谬误之处或有其他建议，欢迎广大读者来信指教。

陈昭明
2022-08