下载掌阅APP，畅读海量书库
立即打开
为什么写这本书
人工智能新时代学什么？我们知道，Python是人工智能的首选语言，深度学习是人工智能的核心，而TensorFlow是深度学习架构中的首选。所以我们在本书中将这三者有机结合，希望借此把这些目前应用最广、最有前景的工具和算法分享给大家。
人工智能新时代如何学？市面上介绍这些工具和深度学习理论的书已有很多，而且不乏经典大作，如介绍机器学习理论和算法的有周志华老师的《机器学习》，介绍深度学习理论和算法的有伊恩·古德费洛等编著的《深度学习》，介绍TensorFlow实战的有黄文坚、唐源编著的《TensorFlow实战》和山姆·亚伯拉罕等编著的《面向机器智能的TensorFlow实践》等。如果你对机器学习、深度学习、人工智能感兴趣的话，这些书均值得一读。
虽然本书在某些方面或许无法和它们相比，但我觉得书中还是会有不少令你感到满意，甚至惊喜的地方。本书的特点具体包括以下几个方面。
深度学习涉及范围比较广，既有对基础、原理的要求，也有对代码实现的要求。如何在较短时间内快速提高深度学习的水平？如何尽快把所学运用到实践中？这方面虽然没有捷径可言，但却有方法可循。本书基于这些考量，希望能给你提供一站式解决方案。具体内容包括：机器学习与深度学习的三大基石（线性代数、概率与信息论及数值分析）；机器学习与深度学习的基本理论和原理；机器学习与深度学习的常用开发工具（Python、TensorFlow、Keras等）；TensorFlow的高级封装及多个综合性实战项目等。
我们打开塑料袋时，一般从易撕口开始，这样即使再牢固的袋子也很容易打开。面对深度学习这个“牢固袋子”，我们也可以采用类似方法，找准易撕口。如果没有，就创造一个易撕口，并通过这个易撕口，实现点到面的快速扩展。本书在面对很多抽象、深奥的算法时均采用了这种方法。我们知道BP算法、循环神经网络是深度学习中的两块“硬骨头”，所以我们在介绍BP算法时，先介绍单个神经如何实现BP算法这个易撕口，再延伸到一般情况；在介绍循环神经网络时，我们也先以一个简单实例为易撕口，再延伸到一般情况。希望这种方式能帮助你把难题化易，把大事化小，把不可能转换为可能。
机器学习、深度学习中有很多抽象的概念、复杂的算法、深奥的理论，如NumPy的广播机制、梯度下降对学习率敏感、神经网络中的共享参数、动量优化法、梯度消失或爆炸等，这些内容如果只用文字来描述，可能很难达到让人茅塞顿开的效果，但如果用一些图来展现，再加上适当的文字说明，往往能取得非常好的效果，正所谓一张好图胜过千言万语。
除了以上谈到的三个方面，为了帮助大家更好地理解，更快地掌握机器学习、深度学习这些人工智能的核心内容，本书还包含了其他方法，相信阅读本书的读者都能体会到。我们希望通过这些方法或方式带给你不一样的理解和体验，使你感到抽象数学不抽象、深度学习不深奥、复杂算法不复杂、难学的深度学习也易学，这也是我们写这本书的主要目的。
至于人工智能(AI)的重要性，想必就不用多说了。如果说2016年前属于摆事实论证阶段，那么2016年后已进入事实胜于雄辩阶段了，而2018年后应该撸起袖子加油干了。目前各行各业都忙于AI+，给人“忽如一夜春风来，千树万树梨花开”的感觉！
本书特色
要说特色的话，就是上面谈到的几点，概括来说就是：把理论原理与代码实现相结合；找准切入点，从简单到一般，把复杂问题简单化；图文并茂使抽象问题直观化；实例说明使抽象问题具体化。希望本书能给你带来新的视角、新的理解。
读者对象
❑对机器学习、深度学习感兴趣的广大在校学生、在职人员。
❑对Python、TensorFlow感兴趣，并希望进一步提升的在校学生、在职人员。
致谢
在本书编写过程中，我们得到很多同事、朋友、老师和同学的支持！感谢博世的王红星、拍拍贷的郁明敏的大力支持；感谢上海交大慧谷的程国旗老师、东方易通的杨易老师、容大培训的童金浩老师、赣南师大的许景飞老师等的支持和帮助！
感谢机械工业出版社的杨福川老师、李艺老师给予本书的大力支持和帮助。
最后，感谢爱人赵成娟在繁忙的教学之余帮助审稿，提出不少改进意见或建议。
吴茂贵