本書自第1版出版以來,備受廣大讀者歡迎。與同類書相比,本書除了介紹如何用Python和基于Python的機器學習軟件庫進行實踐外,還對機器學習概念的必要細節(jié)進行討論,同時對機器學習算法的工作原理、使用方法以及如何避免掉入常見的陷阱提供直觀且翔實的解釋,是Python機器學習入門必讀之作。它的內容涵蓋了眾多高效Python庫,包括scikit-learn、Keras和TensorFlow等,系統(tǒng)性地梳理和分析了各種經(jīng)典算法,并通過Python語言以具體代碼示例的方式深入淺出地介紹了各種算法的應用,還給出了從情感分析到神經(jīng)網(wǎng)絡的一些實踐技巧,這些內容能使你快速解決你和你的團隊面臨的一些重要問題。
適讀人群 :想進入機器學習領域的初學者;計算機及相關專業(yè)的學生;想要向機器學習工程師、數(shù)據(jù)科學家轉型的非開發(fā)崗人員;使用過機器學習技術,但想要更加深入了解其工作原理的人員;其他對機器學習、人工智能有興趣的自學者 本書是使用Python進行機器學習和深度學習的全面指南。它既可以用作清晰的分步教程,也可以作為構建機器學習系統(tǒng)時常用的參考手冊。本書包含清晰的解釋、圖表和工作示例,全面深入地介紹了機器學習的基本技術,并且給出了機器學習背后的原理,使你可以自己建立模型和應用程序。第3版結合TensorFlow 2和scikit-learn的新版本進行了更新,涵蓋強化學習和生成對抗網(wǎng)絡(GAN)這兩種先進的機器學習技術。
機器學習將改變你解決問題的思路,并讓你看到如何釋放數(shù)據(jù)的力量來解決問題。無論你是Python機器學習的初學者還是想加深自己對前沿發(fā)展的了解,本書都是你不可或缺的好幫手。
譯者序
人工智能的研究從20世紀40年代就已經(jīng)開始,在近80年的發(fā)展中經(jīng)歷了數(shù)次大起大落。自從2016年AlphaGo戰(zhàn)勝頂尖的人類圍棋選手之后,人工智能再一次進入人們的視野,成為當今的熱門話題。各大互聯(lián)網(wǎng)公司都投入了大量的資源來研究和開發(fā)自動駕駛、人臉識別、語音識別和機器翻譯等技術。人們甚至已經(jīng)開始擔憂人工智能可能帶來的各種影響。人工智能的最新發(fā)展可以說是“古樹發(fā)新枝”,到底是什么原因使沉寂多年的人工智能技術煥發(fā)了青春的活力呢?
首先,移動互聯(lián)網(wǎng)的飛速發(fā)展產(chǎn)生了海量的數(shù)據(jù),使我們有機會更加深入地認識社會、探索世界、掌握規(guī)律。其次,大數(shù)據(jù)技術為我們提供了有力的技術手段,使我們可以面對瞬息萬變的市場,有效地存儲和處理海量數(shù)據(jù)。再次,計算技術特別是GPU的廣泛應用使算力有了大幅度的提升,以前需要幾天的運算如今只需要幾分鐘或幾秒鐘,這為人工智能和機器學習的普及與應用提供了計算基礎。在這幾項技術發(fā)展的基礎之上,深度學習技術終于破繭而出,成為引領人工智能發(fā)展的重要力量。
本書英文版在美國出版后備受歡迎,究其原因,除了機器學習是所有技術人員關注的焦點以外,還在于本書系統(tǒng)性地梳理和分析了機器學習的各種經(jīng)典算法,最為重要的是,作者通過Python語言以具體代碼示例深入淺出地介紹了各種算法的應用方法。如果你想了解機器學習并掌握機器學習的具體技術,那就請翻開本書,通過一個又一個案例領略機器學習的風采。所以這本書既是一本初步了解機器學習的啟蒙讀物,也是一本讓你從初學者變成AI專家的教練示范材料。
毋庸置疑,人工智能(AI)、區(qū)塊鏈(BlockChain)、云計算(Cloud)、大數(shù)據(jù)(Big Data)、萬物互聯(lián)(IoE)這五項技術(簡寫為ABCDE)已經(jīng)成為計算機和互聯(lián)網(wǎng)技術未來發(fā)展的五大核心動力。特別是人工智能技術,它將是繼蒸汽機、電力、計算機、互聯(lián)網(wǎng)之后的又一股重要的革命性力量。之前的幾次革命解放的是我們的四肢,而人工智能解放的將是我們的頭腦。
塞巴斯蒂安·拉施卡(Sebastian Raschka)
威斯康星大學麥迪遜分校統(tǒng)計學副教授,專注于機器學習和深度學習研究。他擁有密歇根州立大學的博士學位,在計算生物學領域提出了幾種新的計算方法,曾被科技博客Analytics Vidhya評為GitHub上極具影響力的數(shù)據(jù)科學家之一。他在Python編程方面擁有多年經(jīng)驗,同時還多次參加數(shù)據(jù)科學應用與機器學習領域的研討會。
瓦希德·米爾賈利利(Vahid Mirjalili)
擁有密歇根州立大學機械工程博士學位,從事大規(guī)模分子結構計算模擬方法的研究。他曾加入密歇根州立大學的iPRoBe實驗室,致力于把機器學習應用到計算機視覺和生物統(tǒng)計學領域。之后,他加入3M,利用自己的經(jīng)驗,把新的機器學習和深度學習技術應用于解決各種實際問題。
◆ 譯者簡介 ◆
陳斌(Chuck Chen)
NETSTARS首席技術官。1989年獲得吉林大學碩士學位;1992年任新加坡航空公司高級系統(tǒng)分析師;1999年投身于硅谷互聯(lián)網(wǎng)技術發(fā)展浪潮,曾任日立美國系統(tǒng)集成總監(jiān)、Abacus首席架構師和Nokia美國首席工程師;2008年任eBay資深架構師,負責移動應用的架構設計;2014年出任易寶支付首席技術官;2016年開始擔任CTO聯(lián)盟聯(lián)席主席、互聯(lián)網(wǎng)技術百人會理事長。豐富的海外經(jīng)歷,多年的架構經(jīng)驗,深諳移動互聯(lián)網(wǎng)對傳統(tǒng)行業(yè)的影響;2020年投身NETSTARS,擔任CTO,全力推動移動互聯(lián)網(wǎng)技術,引領行業(yè)的變革。