前言

寫作背景

我多年前參加了“百度深度學習公開課·杭州站”的活動，當時做了一個主題為“深度學習模型設計經驗分享”的演講，現場效果非常好，后來萌發了寫機器學習算法的想法。于是我將一些工作內容進行沉淀總結，便形成了本書。

本書內容

本書主要對算法的原理進行了介紹，并融合大量的應用案例，詳細介紹使用機器學習模型的一般方法，幫助讀者理解算法原理，學會模型設計。

本書首先介紹數據理解、數據的處理與特征，幫助讀者認識數據；然后從宏觀、系統的角度介紹機器學習算法分類、一般學習規則及機器學習的基礎應用；接著根據項目研發的流程，詳細介紹了模型選擇和結構設計、目標函數設計、模型訓練過程設計、模型效果的評估與驗證、計算性能與模型加速；最后通過多個應用案例幫助讀者加強對前面知識點的理解。

讀者對象

● 對數據分析、算法及機器學習領域感興趣的開發者；

● 對人工智能產品、算法方案設計有不同層次需求的技術管理者；

● 軟件工程或計算機相關專業的在校學生。

本書特色

本書緊密結合一線開發者的項目應用經驗，對當前機器學習的各類算法原理進行了介紹，以方法論的形式連接原理和實踐，指導讀者設計機器學習模型。

本書結構

本書內容由淺入深，以宏觀認識為基礎，逐步深入算法體系、算法細節，全書共分為10章，具體內容如下。

第1章從宏觀的角度介紹人工智能相關基礎知識、機器學習的技術發展史，以及機器學習在計算機視覺、自然語言處理、語音識別等領域的發展歷程，有助于讀者了解宏觀背景。

第2章重點介紹了數據的三個基本維度、統計推論的基本方法，以及數據分析中的一些關鍵技術點和可視化，幫助讀者建立數據理解的思維。

第3章從數據處理與特征的角度重點介紹了數據的處理方法，以及數據的特征縮放和特征編碼、圖像的特征分析等，并對數據降維進行了深入介紹。

第4章重點對機器學習的理論基礎進行介紹，并結合了應用輔助增強對機器學習理論基礎的認識，包括機器學習的體系框架、一般學習規則等。

第5章重點介紹了模型選擇和結構設計，對機器學習、深度學習中的經典模型進行了介紹，并詳細介紹了模型的設計方向、設計技巧等。

第6章重點介紹了目標函數中的設計，包括各應用場景中常見的損失函數，以及設計的原則，并詳細介紹了梯度下降法和牛頓法的目標求解過程。

第7章重點介紹了模型訓練過程中的設計，包括數據選擇、參數初始化、模型擬合狀態、學習速率設定等，并結合遷移學習和分布式訓練對模型訓練的過程進行了介紹。

第8章從模型效果的角度分別對分類算法、聚類算法、回歸算法等常見的效果評估指標進行了介紹，并通過交叉驗證對模型效果進行評估，還從計算和數據的角度介紹了模型的穩定性。

第9章從算法應用落地的角度，重點介紹了計算性能和模型加速，包括計算平臺的性能指標、模型的計算性能指標，以及模型的壓縮與裁剪。

第10章通過數據準備、模型設計等關鍵環節，重點介紹了二元一次方程的數據擬合案例、鳶尾花的數據分類及聚類案例、形體識別的綜合性案例。

由于時間倉促及水平有限，書中難免存在不足之處，懇請廣大讀者批評指正，可以通過郵箱（fanpingliu＠live.com）聯系我，謝謝！

讀者服務

掃碼回復：39263

● 獲取博文視點學院20元付費內容抵扣券

● 獲取免費增值資源

● 加入讀者交流群，與更多讀者互動

● 獲取精選書單推薦