前言

為什么寫這本書

人工智能新時代學什么？我們知道，Python是人工智能的首選語言，深度學習是人工智能的核心，而TensorFlow是深度學習框架中的No.1。所以我們在本書中將這三者有機結合，希望借此把這些目前應用最廣、最有前景的工具和算法分享給大家。

人工智能新時代如何學？市面上介紹這些工具和深度學習理論的書籍已有很多，而且不乏經典大作，如講機器學習理論和算法的有周志華老師的《機器學習》；介紹深度學習理論和算法的有伊恩·古德費洛等編著的《深度學習》；介紹TensorFlow實戰的有黃文堅、唐源編著的《TensorFlow實戰》、山姆·亞伯拉罕等編著的《面向機器智能的TensorFlow實踐》等。這些都是非常經典的大作，如果你對機器學習、深度學習、人工智能感興趣的話，這些書均值得一讀。

本書在某些方面或許無法和它們相比，但我覺得也會有不少讓你感到滿意，甚至驚喜的地方。本書的特點具體包括以下幾個方面。

1．內容選擇：提供全棧式的解決方案

深度學習涉及范圍比較廣，既有對基礎、原理的一些要求，也有對代碼實現的要求。如何在較短時間內快速提高深度學習的水平？如何盡快把所學運用到實踐中？這方面雖然沒有捷徑可言，但卻有方法可循。本書基于這些考量，希望能給你提供一站式解決方案。具體內容包括：機器學習與深度學習的三大基石（線性代數、概率與信息論及數值分析）；機器學習與深度學習的基本理論和原理；機器學習與深度學習的常用開發工具（Python、TensorFlow、Keras等），此外還有TensorFlow的高級封裝及多個綜合性實戰項目等。

2．層次安排：找準易撕口、快速實現由點到面的突破

我們打開塑料袋時，一般從易撕口開始，這樣即使再牢固的袋子也很容易打開。面對深度學習這個“牢固袋子”，我們也可采用類似方法，找準易撕口。如果沒有，就創造一個易撕口，通過這個易撕口，實現點到面的快速擴展。本書在介紹很多抽象、深奧的算法時采用了這種方法。我們知道BP算法、循環神經網絡是深度學習中的兩塊硬骨頭，所以在介紹BP算法時，先介紹單個神經如何實現BP算法這個易撕口，再延伸到一般情況；在介紹循環神經網絡時，我們也以一個簡單實例為易撕口，再延伸到一般情況。希望通過這種方式，能幫助你把難題化易、把大事化小、把不可能轉換為可能。

3．表達形式：讓圖說話，一張好圖勝過千言萬語

在機器學習、深度學習中有很多抽象的概念、復雜的算法、深奧的理論，如Numpy的廣播機制、神經網絡中的共享參數、動量優化法、梯度消失或爆炸等，這些內容如果只用文字來描述，可能很難達到茅塞頓開的效果，但如果用一些圖形來展現，再加上適當的文字說明，往往能取得非常好的效果，正所謂一張好圖勝過千言萬語。

除了以上談到的三個方面，為了幫助大家更好理解、更快掌握機器學習、深度學習這些人工智能的核心內容，本書還包含了其他方法。我們希望通過這些方法或方式帶給你不一樣的理解和體驗，使抽象數學不抽象、深度學習不深奧、復雜算法不復雜，這或許就是我們寫這本書的主要目的。

至于人工智能（AI）的重要性，想必不用多說了。如果說2016年前屬于擺事實論證的階段，那么2016年后已進入事實勝于雄辯的階段了，而2018年后應該屬于擼起袖子加油干的階段。目前各行各業都忙于AI+，給人“忽如一夜春風來，千樹萬樹梨花開”的感覺！