前言
前言
人工智能、Python、深度学习可以说是越来越重要了。现在的毕业生找工作,了解这些内容肯定是一个加分项,然而人工智能领域入门学习的引导做得并不充分。在入门学习过程中,重要的应该是读者对这个领域宏观框架的搭建,而非基础、古老算法的数学推导证明。本书注重激发读者对这个领域的学习热情,感受这个领域的魅力,并且用通俗诙谐的语言帮助大家理解每一个概念。
本书对AI领域的每个方面都有涉及,介绍的模型大多数也是现在行业从事者经常使用的模型,所以读者通过本书的学习,会提升对人工智能的理解,并打消对这个专业的恐惧(并不是像电视上那样,人工智能大战人类)。
本书各章节的主要内容如下:
(1) 第1章支持向量机和第2章线性回归,这两章可以说是全书最简单也是数据分析比赛中最不可能用到的传统模型了(不够智能),所以这两章注重数学分析和推导,建议数学功底不扎实的读者跳过。
(2) 第3章决策树和第4章遗传算法,也属于传统模型,但是现在依然在使用,讲解过程通俗易懂。
(3) 第5~11章全面介绍了神经网络,神经网络是人工智能的基础,图像处理、自然语言处理、强化学习、无监督学习都是基于神经网络的,这一部分讲解通俗易懂,大家认真读一定可以理解。
(4) 第12~19章提供了基于PyTorch实现的8个实战,都非常值得学习,讲解非常透彻。
(5) 第20章和第21章是常见问题解答。虽然和人工智能关系不紧密,但都是扩展知识,也许将来就是你写论文的灵感来源之一。
本书因为内容涵盖广泛,又希望读者理解透彻,所以这里给出阅读意见,不同水平、不同目的的读者可参考不同的阅读路线。
第20章和第21章是一些基础知识,建议读者在学习之前可以先大致浏览一下,留下一些印象,之后在学习这本书的主体的时候遇到不懂的地方可以及时来查询。
虚线框内的内容是这本书最重要、最核心的主体部分,其中最主要的是神经网络路线。在学习主体部分的时候,建议按照图中标注的顺序进行学习,这样可以在学习基础概念之后,利用基础实战加深印象,然后学习进阶概念,再学习进阶实战。
第1、2章涉及的支持向量机和线性回归可以作为挑战自己数学水平的基础章节(不管是否看得懂,都不影响后面的学习)。这两章的内容非常基础,所以放在这里作为挑战(目的是让读者知道: 不要以为看懂了这本书就飘飘然,本书只是基础入门而已)。
在虚线框外面还有3个实战,这3个实战有难度。如果完成的话,可以在简历里面写上自己完成了3个小项目。
由于作者水平有限,本书中难免出现各种不足,敬请读者不吝批评指正。
陈亦新
2020年7月