前言
機器學習是涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科的多領域交叉技術(shù)。機器學習專門研究計算機如何模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。深度學習是一種實現(xiàn)機器學習的技術(shù)。深度學習本來并不是一種獨立的學習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學習方法來訓練深度神經(jīng)網(wǎng)絡。但由于近幾年該領域發(fā)展迅猛，一些特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。
本書循序漸進、深入講解了使用Python開發(fā)深度學習程序的核心知識，并通過具體實例的實現(xiàn)過程演練了使用TensorFlow、Keras和Scikit-learn的方法和流程。全書共15章，分別講解了深度學習開發(fā)基礎、加載數(shù)據(jù)集實戰(zhàn)、監(jiān)督學習實戰(zhàn)、無監(jiān)督學習實戰(zhàn)、模型選擇和評估實戰(zhàn)、核心算法實戰(zhàn)、前饋神經(jīng)網(wǎng)絡實戰(zhàn)、卷積神經(jīng)網(wǎng)絡實戰(zhàn)、NBA季后賽預測分析系統(tǒng)、AI考勤管理系統(tǒng)、AI智能問答系統(tǒng)、AI聲音識別系統(tǒng)、鮮花識別系統(tǒng)、情感文本識別系統(tǒng)、實時電影推薦系統(tǒng)。全書簡潔而不失其技術(shù)深度，內(nèi)容豐富全面，歷史資料翔實齊全。并且本書易于閱讀，以極簡的文字介紹了復雜的案例，同時涵蓋了其他同類圖書中很少涉及的歷史參考資料，是學習深度學習開發(fā)的完美教程。
本書主要特色如下：
1.本書詳細講解了使用TensorFlow、Keras和Scikit-learn開發(fā)人工智能程序的技術(shù)知識，循序漸進地講解了這些技術(shù)的使用方法和技巧，幫助讀者快速步入人工智能開發(fā)高手之列。
2.本書采用理論加實例的教學方式，通過這些實例的講解實現(xiàn)了對知識點的橫向切入和縱向比較，讓讀者有更多的實踐演練機會，并且可以從不同的方位展現(xiàn)一個知識點的用法，真正實現(xiàn)了拔高的教學效果。
3.書中從一開始便對深度學習開發(fā)的流程進行了詳細介紹，而且在講解中結(jié)合多個實用性很強的項目案例，帶領讀者掌握深度學習開發(fā)的相關知識，以解決實際工作中的問題。
4.書中還介紹了很多開發(fā)經(jīng)驗和技巧，讓讀者可以在學習過程中更輕松地理解相關知識點及概念，更快地掌握關鍵技術(shù)的應用技巧。
本書適用于已經(jīng)了解了Python語言基礎語法的讀者，想進一步學習機器學習和深度學習技術(shù)的讀者，還可以作為大專院校和培訓機構(gòu)人工智能及其相關專業(yè)的教材。
本人水平畢竟有限，書中存在紕漏之處在所難免，誠請讀者提出寶貴的意見或建議，以便修訂并使之更臻完善。
最后感謝您購買本書，希望本書能成為您編程路上的領航者，祝您閱讀快樂！

張洪朋
2024年1月