機(jī)器學(xué)習(xí)從入門到入職：用sklearn與keras搭建人工智能模型

　　近年來機(jī)器學(xué)習(xí)是一個(gè)熱門的技術(shù)方向，但機(jī)器學(xué)習(xí)本身并不是一門新興學(xué)科，而是多門成熟學(xué)科（微積分、統(tǒng)計(jì)學(xué)與概率論、線性代數(shù)等）的集合。其知識體系結(jié)構(gòu)龐大而復(fù)雜，為了使讀者朋友能夠把握機(jī)器學(xué)習(xí)的清晰的脈絡(luò)，本書盡可能從整體上對機(jī)器學(xué)習(xí)的知識架構(gòu)進(jìn)行整理，并以Sklearn和Keras等機(jī)器學(xué)習(xí)框架對涉及的相關(guān)理論概念進(jìn)行代碼實(shí)現(xiàn)，使理論與實(shí)踐相結(jié)合。 本書分為4個(gè)部分：第1章至第3章主要介紹機(jī)器學(xué)習(xí)的概念、開發(fā)環(huán)境的搭建及模型開發(fā)的基本流程等；第4章至第7章涵蓋回歸、分類、聚類、降維的實(shí)現(xiàn)原理，以及機(jī)器學(xué)習(xí)框架Sklearn的具體實(shí)現(xiàn)與應(yīng)用；第8章至第12章主要闡述深度學(xué)習(xí)，如卷積神經(jīng)網(wǎng)絡(luò)、生成性對抗網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理，以及深度學(xué)習(xí)框架Keras的具體實(shí)現(xiàn)與應(yīng)用；第13章簡單介紹機(jī)器學(xué)習(xí)崗位的入職技巧。 本書可作為機(jī)器學(xué)習(xí)入門者、對機(jī)器學(xué)習(xí)感興趣的群體和相關(guān)崗位求職者的參考用書。

　　張威（Viking Zhang），曾就職于IBM、平安科技、嘉實(shí)基金、微眾銀行，現(xiàn)就職于“特朗普品質(zhì)認(rèn)證”的人工智能公司，擁有多個(gè)關(guān)于人工智能方面的專利，致力于將人工智能應(yīng)用場景普及化，將機(jī)器學(xué)習(xí)技術(shù)廣泛用于運(yùn)維架構(gòu)、金融分析等方面。