深度学习——模型、算法优化与实战

    书中采用实例驱动教学的形式，将理论与实例相结合进行讲解，让读者在实战中掌握所学知识，并且从不同的方位展现一个知识点的用法，真正做到融会贯通。详解使用TensorFlow、Keras和Scikit-learn进行深度学习开发的相关知识，帮助读者解决实际工作中的问题。书中还介绍了很多开发经验和技巧，让读者可以在学习过程中更轻松地理解相关知识点及概念，更快地掌握关键技术的应用技巧。

      本书循序渐进地讲解了开发深度学习程序的核心知识，并通过具体实例演练了TensorFlow、Keras和Scikit-learn在深度学习方面的开发方法和流程。书中首先介绍了深度学习开发基础，然后结合实例介绍了加载数据集、监督学习、无监督学习、模型选择和评估、核心算法、前馈神经网络、卷积神经网络的具体应用，最后讲解了NBA季后赛预测分析系统开发、AI考勤管理系统开发、AI智能问答系统开发、AI声音识别系统开发、鲜花识别系统开发、情感文本识别系统开发、实时电影推荐系统开发等内容。

     张洪朋，8年Python开发经验，精通Python深度学习，设计模式，擅长自动化运维平台开发。并且拥有10年以上Java、C 开发经验，熟悉关系型数据库，精通Linux操作系统。现在负责企业云的运维和架构工作，业余时间喜欢创作和技术分享。

前言
机器学习是涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科的多领域交叉技术。机器学习专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。深度学习是一种实现机器学习的技术。深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。
本书循序渐进、深入讲解了使用Python开发深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlow、Keras和Scikit-learn的方法和流程。全书共15章，分别讲解了深度学习开发基础、加载数据集实战、监督学习实战、无监督学习实战、模型选择和评估实战、核心算法实战、前馈神经网络实战、卷积神经网络实战、NBA季后赛预测分析系统、AI考勤管理系统、AI智能问答系统、AI声音识别系统、鲜花识别系统、情感文本识别系统、实时电影推荐系统。全书简洁而不失其技术深度，内容丰富全面，历史资料翔实齐全。并且本书易于阅读，以极简的文字介绍了复杂的案例，同时涵盖了其他同类图书中很少涉及的历史参考资料，是学习深度学习开发的完美教程。
本书主要特色如下：
1.本书详细讲解了使用TensorFlow、Keras和Scikit-learn开发人工智能程序的技术知识，循序渐进地讲解了这些技术的使用方法和技巧，帮助读者快速步入人工智能开发高手之列。
2.本书采用理论加实例的教学方式，通过这些实例的讲解实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。
3.书中从一开始便对深度学习开发的流程进行了详细介绍，而且在讲解中结合多个实用性很强的项目案例，带领读者掌握深度学习开发的相关知识，以解决实际工作中的问题。
4.书中还介绍了很多开发经验和技巧，让读者可以在学习过程中更轻松地理解相关知识点及概念，更快地掌握关键技术的应用技巧。
本书适用于已经了解了Python语言基础语法的读者，想进一步学习机器学习和深度学习技术的读者，还可以作为大专院校和培训机构人工智能及其相关专业的教材。
本人水平毕竟有限，书中存在纰漏之处在所难免，诚请读者提出宝贵的意见或建议，以便修订并使之更臻完善。
最后感谢您购买本书，希望本书能成为您编程路上的领航者，祝您阅读快乐！

张洪朋
2024年1月