编委会名单

丛书总顾问

顾国彪中国工程院院士，中国科学院电工研究所研究员、博士生导师

丛书顾问（按姓名拼音排序）

陈雪涛麟玺创业投资管理有限公司总裁、北京创客空间科技有限公司副董事长

党德鹏北京师范大学计算机系系主任，信息学院教授、博士生导师

黄英中关村科技园区海淀园管理委员会副主任、新闻发言人

李超清华大学信研院Web与软件研究中心副主任、副研究员

李涛Geek2Startup联合创始人、曾任 CSDN移动业务拓展总监

李卫平知金教育咨询有限公司总裁、北京理工大学兼职教授、2016中国互联网教育领军人物

刘峰峰富士康工业工程学院华北分院院长、富士康廊坊厂区制造负责人

龙林亚都北京科技有限公司总裁

沈拓清华大学xlab未来生活中心创始人、互联网+研究院创始人

苏菂车库咖啡创始人、U+联合创始人

陶锋清华大学xlab互联网与信息技术创新中心执行主管兼培育顾问

滕桂法河北省高等院校计算机教育研究会理事长

宋述强《现代教育技术》杂志副主编、清华大学创客教育实验室Codirector

宋跃武创新知识体系创始人、海淀区创业园企业家训练营总裁实战导师

王津可穿戴计算产业联盟云计算大数据负责人、中民社会捐助发展中心副主任

王丽华北京航空航天大学软件学院副院长、教授

王卫宁中国人工智能学会秘书长

王霞清华大数据产业联合会秘书长

文辉清华阳光科技有限公司总裁

向东清华大学机械工程系副教授、博士生导师，中国绿色制造技术标准化技术委员会委员兼副秘书长，中国机械制造工艺协会常务理事

谢琛清华大学出版社资深策划人

谢将相易创互联创始人、易创学院创始人

邢春晓清华大学信研院副院长、教授、博士生导师

熊斌中国科学院电工研究所蒸发冷却技术研究发展中心副研究员

胥克谦中国教育技术协会教育游戏专业委员会常务理事、皮影客创始人

杨士强清华大学计算机系教授、博士生导师

张有明顶你学堂创始人、中国高科股份有限公司教育事业部副总经理

赵龙创业沙拉联合创始人

赵鑫精一天使公社合伙人

郑莉清华大学计算机系教授、教育部教育信息化技术标准委员会专家兼秘书长

祝智庭华东师范大学终身教授、教育技术学博士生导师

〖1〗Python机器学习及实践〖1〗编委会名单出版说明

在产业升级急需、区域发展呼吁、国家政策引导、社会舆论支持、成功者亲身鼓励等多方的推动下，“大众创新、万众创业”已成为一股年轻人普遍关注和参与的热潮。“大众创业、万众创新”作为创新驱动发展战略的最主要实施方案，有效改善了我国就业困难、行业升级效率低下等局面。

变化、颠覆、创新早已成为我们这个时代的主旋律，这是我们酝酿这套丛书的背景。

创新的关键在于人才培养。2015年11月底，教育部下发了《教育部关于做好2016届全国普通高等学校毕业生就业创业工作的通知》，通知规定，从2016年起所有高校都要设置创意创新创业教育课程，对全体学生开发开设创意创新创业教育（以下简称三创教育）必修课和选修课，并纳入学分管理。对有创业意愿的学生，开设创业指导及实训类课程，对已经开展创业实践的学生，开展企业经营管理类培训。各地各高校要配齐配强创意创新创业教育专职教师，建立以课堂教学为主渠道，讲座、论坛、培训为补充的多形式就业指导课程体系。

强调突破和实践的三创教育正式成为国家创新驱动战略及人才培养计划的重要组成部分，这是我们策划这套丛书的契机。

中关村汇聚了中国最顶级高校，无论是知识、技术、人才的优质及密集程度，还是知识性企业、企业专利、创业项目及创业服务机构的数量及质量，均处于全国领先的地位；可以说，中关村早已积累了深厚的创新文化和实践经验。而北京市海淀区的各个高校，也近水楼台，在师资和课程、学业评价、校企合作等多个维度对创意创新创业教育已经展开了有益的探索和尝试。这是这套丛书诞生和成长的土壤。

于是，我们立足于中关村的知识资源和创业实践，整合多方资源，广邀优质活跃的创业导师、三创组织、孵化器等，和教育出版机构，成立了“中关村融智三创丛书工作室”，希望通过非盈利机构的形式，助力高校需求驱动型人才培养。我们计划创造性地撰写一套通识性的三创丛书，以跨学科的主题学习和任务驱动形式，跨专业地服务于三创起航教育，并将同步策划基于互联网和社交媒体的一体化新型教学模式及资源服务，我们诚挚希望创意创新创业教育能在中国生长出内生力量，真正形成气候，实现繁荣，实现创新驱动。

丛书遵循教学与创业的规律进展，从有意启发学生创意及创新思维开始，引导高校学生思考为什么要创意创新创业、“我”适合什么样的行业及发展道路，直至给出具体的创业方法论及实战指导。因此，丛书将首先策划和编写涉及三创方面的用于实现创意、支撑创新的实用前沿技术类和技能类书籍，为三创教育夯实“硬实力”。在由浅入深组织丛书撰写的同时，考虑到各个领域专业化门槛较高，市场需求、政策导向、学校师资力度不一，我们同时还兼顾了不同行业的特点，力争覆盖新兴行业及国家重点发展的领域，如互联网、新能源、汽车等。

此外，丛书还将策划另外两大类书籍： 一类将涵盖创业启程相关的商业模式设计、产品营销、团队创建与维持、投融资、产品运营管理、法规遵从、知识产权策略、沟通与表达等众多技术和技能之外的方面，即服务于三创的“软实力”；另一类还将从国际国内一流高校、创客空间、孵化器及知名产业园区的创意、创新、创业及投资经历中筛选出众多生动鲜活的经典案例，提供综合全面的“好案例”。

本套丛书具有开放性强、通识全面、面向实践、行业案例新鲜丰富的特点。正如它所服务的主题，这套丛书本身就是一个三创教育的探索。翻开顾问名单会发现，顾问中既有德高望重的院士，也有富有产业园区建设经验的官员，既有创业成功的企业家，还有不断探索三创教育的学者——我们希望这套丛书成为教育家、研究者、企业家、投资方、创业者等多方合作的载体，营造一个充满活力、良性互动、可持续发展的教育生态系统，全方位地为高校教师、学生、创客空间、创新创业团队提供权威性、高品质的三创教育服务；我们也希望这套丛书的出版，不仅能够填补全国2800余所高等院校所面临的急迫巨大的教材缺口，更能为高校创新创业教育体系的建立和完善、创业实践指导、产学研转化等略尽绵薄之力。

最后，感谢海淀园管委会和清华大学出版社的领导们，他们在本套丛书的策划、撰写、编辑出版的过程中提供了大量帮助。由于创意创新创业主题宏大，瞬息万变，本套丛书难免存在疏漏不足，有待今后进一步补充和完善，恳请读者批评指正。如有读者愿意分享更精彩的理念或案例，也欢迎联系。

中关村融智三创丛书工作室

2016年9月

〖1〗Python机器学习及实践〖1〗出版说明推荐语 按照推荐人的姓名拼音排序。

过去近二十年，计算机科学的发展是被大量的数据推动的。海量数据提供了认识世界的新视角，同时也带来了分析和理解数据的巨大挑战。如何从数据中获得知识，并利用这些知识帮助设计和创造更满足用户需求的产品，希望将来自新的人工智能算法。大数据的核心思想体现在整个工业流程中从决策到执行数据的重要性，其重要性的发挥依赖于现代计算方法——机器学习。机器学习可以利用数据做很多决策，这些在统计意义上都是好的决策，比如要不要把这首歌推荐给那个用户。更惊奇的是当数据足够大，计算能力足够强，机器也可以学得比人更好。清华大学范淼和李超的新著《Python机器学习及实践》很契合实际，从零开始介绍简单的Python语法以及如何用Python语言来构建机器学习的模型。每一个章节环环相扣，配合代码样例，非常适合希望了解机器学习领域的初学者，甚至没有编程基础的学生。大数据要求机器学习应该更普及，而普及的途径则是降低相关工具的使用难度。希望看到这本新书能推动机器学习的普及。

——今日头条实验室科学家，前百度美国深度学习实验室少帅科学家李磊

这是一本面向机器学习实践并且具有很强实用性的好书。每个章节，在简要介绍一种机器学习模型的基础上，结合具体的例子，给出了详细的Python程序的编程方法，有利于读者对机器学习方法细节的掌握。跟随本书，读者将一步步跨入机器学习的殿堂，掌握用机器学习方法求解实际问题的技能。本书适合于想使用机器学习方法求解实际问题的博士生、硕士生、高年级本科生，以及在企业工作的工程技术人员阅读，是一本快速掌握机器学习方法求解实际问题的入门读物，相信读者将从本书中获益匪浅。

——清华大学计算机系教授 马少平

〖1〗Python机器学习及实践〖1〗推荐语

机器学习是专门研究计算机怎样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性能的一门学科，也是当前科研机构及企业开展应用研究的热点之一。随着“互联网+”概念在中国的提出，科研及工程技术人员迫切需要将机器学习技术与互联网技术结合起来，把互联网与机器学习技术应用到人类生活中。但机器学习作为一门技术，具有一定的门槛，如何提供一本通俗易懂、快速入门的技术书籍，让在职科技人员及在校学生能够尽快熟悉机器学习的内容，理解机器学习的含义及本质，是需要尽快解决的问题。

本书前两部分采用通俗的语言，借助于现实生活的例子及开源库包，介绍了机器学习的基本概念及开源库包的安装、使用和编程调用方法，通过实例展现了使用经典算法模型的分析过程及思考问题的方法。第三及第四部分介绍了在解决实际问题时如何通过抽取或者筛选数据特征、优化模型配置，进一步提升经典模型的性能表现，从而达到能够将机器学习的经典算法应用到解决现实问题的目的。 

尽管目前市场上关于机器学习的书籍很多，但很少具有能够将开发语言及机器学习理论紧密结合，利用开源技术，采用类似“实训”方式进行实践教学的书籍。而本书的作者根据自己的学习经历及学习过程的体会，把自己的学习经验充分融入书本之中，采用由浅入深的方法，结合机器学习的内容，把算法学习的每一步都给读者以详细展现，减少了学生的学习难度，加快了学生学习的进度，是一本适合在校学生及工程技术人员在机器学习方面快速入门的指导书。

——北京邮电大学软件学院教授，教研中心主任吴国仕

人工智能的发展日新月异，机器学习的应用如火如荼。在这个变革的时代，大众特别需要一本既能帮助读者理解机器学习理论，又能让人快速上手实践的入门级图书。 这是一本侧重于Python机器学习具体实践与实战的入门级好书。 不同于多数专业性的书籍，该书拥有更低的阅读门槛。即便不是计算机科学技术专业出身的读者，也可以跟随本书借助基本的Python编程，快速上手最新并且最有效的机器学习模型。作为在一线从事机器学习理论与技术的研发人员，该书的作者整合了当下数据科学所使用的最为流行的资源，如Scikitlearn、 Pandas、 XGBoost和Tensorflow等，一步步带领读者从零基础快速成长为一位能够独立分析数据并且参与机器学习竞赛的兴趣爱好者。同时，这本书的作者记录下大量在机器学习实践过程中的心得体会。全书深入浅出，让人在实践中获得知识。

——香港科技大学计算机与工程系讲座教授，系主任，IEEE,AAAI Fellow, 

国际人工智能协会（IJCAI，AAAI）常务理事，中国人工智能协会副理事，

ACM KDD China ACM数据挖掘委员会 中国分会主席 杨强

机器学习的每一次进步带动了很多学科的大力发展。这是一本由在读博士生撰写，侧重于Python机器学习具体实践和实战的入门级教科书。不同于多数专业书籍，该书的作者从初学者的视角，一步步带领读者从零基础快速成长为一位能够独立进行数据分析并且参与机器学习竞赛的兴趣爱好者。全书深入浅出，特别是有意了解机器学习，又不想被复杂的数学理论困扰的读者，可会从此书中获益。

——苏州大学计算机科学与技术学院副院长，人类语言技术研究所所长，

特聘教授，国家杰出青年科学基金获得者张民

不同于多数专业性的书籍，该书拥有更低的阅读门槛。即便不是计算机科学技术专业出身的读者，也可以跟随本书借助Python编程快速上手最新并且最有效的机器学习模型。如果说机器学习会主导信息产业的下一波浪潮，那么在这波浪潮来临之前，我们是否有必要对其一窥究竟。我很高兴看到有这样一本零基础实战的好书服务广大读者，为普及这一潮流尽绵薄之力。就像过去几十年间我们不懈普及计算机与互联网一样，人工智能，特别是机器学习的核心思想也应该走出象牙塔，拥抱普罗大众，尽可能让更多的兴趣爱好者参与到实践当中。

——清华大学语音和语言技术中心主任，教授郑方

这是一本讲解利用Python进行机器学习实战的入门级好书。该书带领刚入门的读者，从零开始，一步步学习数据分析并掌握机器学习竞赛技能。如果你想学习机器学习方法又不想被复杂的数学理论所困扰，相信你会从本书中获益。该书适合于从事机器学习研究和应用的在校生和科研工作者。

——微软研究院首席研究员，自然语言处理资深专家周明

前言

致广大读者：

欢迎各位购买和阅读《Python机器学习及实践》！

本书的编写旨在帮助大量对机器学习和数据挖掘应用感兴趣的读者朋友，整合并实践时下最流行的基于Python语言的程序库，如Scikitlearn、Pandas、NLTK、gensim、XGBoost、Tensorflow等；针对现实中的科研问题，甚至是Kaggle竞赛（当前世界最流行的机器学习竞赛平台）中的分析任务，快速搭建有效的机器学习系统。

读者在阅读了几个章节之后，就会发现这本书的特别之处。作者力求减少读者对编程技能和数学知识的过分依赖，进而降低理解本书与实践机器学习模型的门槛；并试图让更多的兴趣爱好者体会到使用经典模型，乃至更加高效的方法解决实际问题的乐趣。同时，作者对书中每一处的关键术语都提供了标准的英文表述，也方便读者快速查阅和理解相关的英文文献。

由于本书不涉及对大量数学模型和复杂编程知识的讲解，因此受众非常广泛。这其中就包括： 在互联网、IT相关领域从事机器学习和数据挖掘相关任务的研发人员；于高校就读的博士、硕士研究生，甚至是对计算机编程有初步了解的本科生；以及对机器学习与数据挖掘竞赛感兴趣的计算机业余爱好者等。

感激父母长久以来对我的关爱。也非常感谢我在清华大学和纽约大学的导师们： 郑方、周强以及Ralph Grishman教授，对于我利用业余时间编写本书的理解和支持。特别致谢纽约大学的Emma Zhu同学，在我写书期间所给予计算设备的帮助。最后，感谢中国国家留学基金委为本人在美国留学期间所提供的生活资助。

最后，衷心地希望各位读者朋友能够从本书获益，同时这也是对我最大的鼓励和支持。全书代码下载地址为： http://pan.baidu.com/s/1bGp15G。对于书中的错误，欢迎大家批评指正，并发送至电邮： fanmiao.cslt.thu@gmail.com。我们会在本书的勘误网站https://coding.net/u/fanmiao_thu/p/Python_ML_and_Kaggle/topic 上记录下您的重要贡献。

写于美国纽约中央公园2015年12月25日〖1〗Python机器学习及实践〖1〗