前言

機器學習和人工智能（AI）在日常生活中已經變得隨處可見了。不論我們在哪兒，不論我們做什么，從某種程度上講，都會時不時地和人工智能發生關系。而這些AI技術正是由神經網絡和深度學習所驅動的。得益于神經網絡技術，AI系統現在已經可以在某些領域具有和人類相當的能力了。

本書幫助讀者從頭構建了6個神經網絡項目。通過這些項目，你可以構建一些生活中時常可見的AI系統，包括人臉識別、情感分析以及醫療診斷。在每個項目中，本書首先會提出問題，隨后介紹解決該問題需要用到的神經網絡架構，同時給出選擇該神經網絡模型的原因，然后使用Python語言從頭實現該系統。

當你讀完本書的時候，你已經可以很好地掌握不同的神經網絡架構，并通過Python語言實現相關的前沿AI項目，此舉可以迅速增強你的機器學習技術能力。

本書的目標讀者

這本書非常適合數據科學家、機器學習工程師以及渴望通過Python創建實際神經網絡項目的深度學習愛好者閱讀。讀者需要具備Python和機器學習的基礎知識以便完成本書的練習。

本書內容

本書共有8章，具體如下。

第1章，機器學習和神經網絡導論，包括了機器學習和神經網絡的基礎知識。第1章的目標是幫助你加強對機器學習和神經網絡的理解。為了達到這一目標，本章會使用Python從頭構建神經網絡而不使用任何機器學習庫。

第2章，基于多層感知器預測糖尿病，本章開始介紹第一個神經網絡項目。使用一個基礎的神經網絡（多層感知機）來構建分類器，然后利用它對患者是否有患糖尿病的風險做出預測。

第3章，基于深度前饋網絡預測出租車費用，本章將深度前饋神經網絡應用到回歸問題中。具體來講，我們會利用神經網絡來預測紐約市的出租車費用。

第4章，是貓還是狗——使用卷積神經網絡進行圖像分類，本章使用卷積神經網絡（CNN）來解決圖像分類問題，即使用CNN判斷圖像中是否有貓或狗。

第 5 章，使用自動編碼器進行圖像降噪，本章利用自動編碼器來實現圖像降噪。辦公文檔的圖片中包含了咖啡漬或其他污漬，可以使用自動編碼器來移除圖像中的污漬從而將文件還原。

第 6 章，使用長短期記憶網絡進行情感分析，本章使用長短期記憶網絡（Long Short-Term Memory，LSTM）對網上的影評進行情感分析和分類。本章會創建一個可以辨別英文文本中所包含的情感的LSTM網絡。

第 7 章，基于神經網絡實現人臉識別系統，本章利用孿生神經網絡（siamese neural network）來構建一個人臉識別系統，該系統可以利用便攜式計算機的攝像頭識別出我們的臉。

第8章，未來是什么樣的。本章總結了本書介紹的知識，同時會展望未來，看看機器學習和人工智能在未來幾年會發展到什么程度。

如何最大限度地利用本書

你要熟悉基本的Python編程技能才能最大限度地利用本書。不過，本書也會一步一步地向你介紹各個項目并且盡可能地向你講解相關代碼。

對于計算機硬件，你需要一臺計算機，最低配置為8GB內存和15GB硬盤（存放數據集）。訓練深度神經網絡需要強大的計算資源，如果你有一個專用的GPU設備，將能極大地提高其訓練速度。不過，沒有GPU也是完全可以運行代碼的（比如說用一臺便攜式計算機）。運行特定代碼時如果你沒有GPU會花費很長時間，此時我們會給出相應的提示，這一點會貫穿全書。

在每一章開始的地方，我們會提示你本章所需的必要的Python庫。為了簡化搭建開發環境的過程，我們準備了一個environment.yml文件和代碼一起提供給你。environment.yml文件可以幫助你快速創建虛擬環境，其中包含特定的Python版本以及所需的庫。通過這種方法，你可以確保你的代碼在一個設計好的、標準的虛擬環境中執行。詳細的指導會在第1章中提供，你可以在1.2節中找到，此外在每個章節的開始處也會有相應介紹。

下載示例代碼

你可以從Packt官方網站下載示例代碼文件。如果你在其他地方購買本書，你可以訪問Packt官網并注冊，網站會將文件直接通過郵件發送給你。

可以按照以下步驟下載代碼文件。

（1）使用郵箱和密碼登錄。

（2）單擊頁面頂部的支持（SUPPORT）標簽。

（3）單擊代碼下載及勘誤表（Code Downloads & Errata）。

（4）在搜索（Search）框里輸入書名。

（5）選擇你想要下載代碼文件的圖書。

（6）從你付款的地方選擇下拉菜單。

（7）單擊代碼下載（Code Download）。

下載文件后，請確保使用最新版本的軟件來解壓或提取這些文件夾：

● Windows上的WinRAR/7-Zip；

● Mac上的Zipeg/iZip/UnRarX；

● Linux上的7-Zip/PeaZip。

本書的代碼包托管在異步社區（www.epubit.com）對應的圖書頁面以及GitHub上。

下載本書的彩圖

我們還提供了一個壓縮文件，其中包含本書使用的截圖或圖表的彩色圖像。這些彩色圖像可以幫助你更好地了解輸出的變化。你可以從異步社區下載該文件。