本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

李轩涯，博士，毕业于国防科技大学、北京理工大学。百度校园高校合作部总监，中国计算机学会杰出会员、常务理事，中国计算机实践教育联合会副理事长。现主管百度校企合作、校企联合人才培养、校园粉丝生态圈，帮助百度技术、人才及产品品牌在高校领域的推广与影响力传播。

前言 近年来，人工智能行业的快速发展得到了社会各界的广泛关注，我国政府在《新一代人工智能发展规划》提出“到2030年，使中国成为世界主要人工智能创新中心”。与此同时，我国多所高校也陆续成立人工智能专业。2018年35所高校获教育部批准首批开设人工智能本科专业，2019、2020年新增人工智能专业的高校分别有180所、130所。然而，在人工智能行业高速发展的大背景下，AI人才仍然显得“供血不足”。 从当前的人才需求趋势来看，由于人工智能技术与业务落地实践结合非常紧密，行业亟需大量既懂理论又懂实践的应用型AI人才。作为人才培养的重要基地，我国高校人工智能人才培养目前还面临师资较少、经费不足、实践机会缺失等现实问题，导致目前高校培养的人才仍以学科型、研究型为主。关于行业需求量较大的应用型人才如何培养尚不明确，难以满足人工智能行业的深度需求。 为帮助更多人工智能爱好者了解产业需求，本书应用百度开源深度学习框架百度飞桨（PaddlePaddle），通过大量实践案例，辅以理论知识讲解，帮助读者快速入门，理解核心知识点。并通过由浅入深的真实案例操作，对相关知识进行全面实战检验。同时，按照数据建模步骤，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的实践。 本书涵盖了大量源自百度飞桨平台的实践案例。作为我国首个自主研发、功能丰富、开源开放的产业级深度学习平台，百度飞桨已凝聚来自于各行各业的370万开发者，创建42.5万个AI模型，累计服务14万企事业单位，覆盖工业、能源、金融、农业、医疗、城市管理等众多应用场景。作...