作为一名在人工智能领域搬砖了十几年的老工匠,我非常高兴与大家共同学习和探讨深度学习的那些事儿。书中阐述的很多观点和实践,都是我多年来的教学经验和项目经验累积,是入门深度学习必须要掌握的基本功。感谢读者朋友们选择本书作为开启深度学习实践的教材,期待阅读本书后,大家可以领悟并掌握深度学习的“套路”,并举一反三,轻松驾驭学业和工作中与深度学习相关的任务。
2020年,COVID19席卷全球、国际形势瞬息万变,加速了中国产业政策和基础教育的变革,同时也加快了走出“舒适区”的步伐。不难想象,未来20年,中国的人工智能必将进入高速发展阶段,机遇与挑战并存。“乘风破浪会有时,直挂云帆济沧海”,我很期待下一代人工智能的领航人能在中国诞生,能在本书的读者中产生。
特色一: 理论和代码结合、实践与平台结合,帮助读者快速掌握深度学习基本功
目前在市面上,关于人工智能和深度学习的图书已经汗牛充栋,但大多偏重理论,对于AI实践应用的介绍涉猎较少。但以我多年的经验来看,作为深度学习的初学者,应该更需要一本理论和代码结合、实践与平台结合的书,因为多数开发者更习惯通过实践代码来理解模型背后的原理。本书介绍的内容和相关代码,都配有在线课程,读者可扫描封底的二维码获取。在线课程以Jupyter notebook的方式呈现,代码可以在线运行。
建议本书最佳的阅读方式: 阅读本书时,读者可以观看视频课程,同时在线运行实践代码,观察打印结果。通过纸质图书、线上课程视频和交互式的编程平台三位一体的设计策略,可以帮助读者在最短的时间内,轻松愉悦地掌握深度学习的基本功,这就是本书撰写的初衷。
■图理论知识讲解和可运行代码演示一体化
特色二: 工业实践案例和作业结合,帮助读者快速具备深度学习应用的能力
很多接触深度学习时间不是很长的开发者都会面临一个困惑,虽然系统学习了很多相关课程,能独立实践经典的学术问题,并追平领先的效果,但在产业应用时,仍然信心不足,感觉自己和在工业界摸爬滚打多年的工程师们有很大的差距。因此本书在撰写时,除了选取一些经典的学术问题,作为介绍深度学习知识的案例外,还选取了一些真实的工业实践项目,作为比赛题和作业题。这些项目都来源于百度工程师正在研发的与人工智能相关的工业应用。
在这些真实的工业实践项目中,读者会接触到很多独有的数据集和有趣的问题,并和成千上万的读者们共同较量模型优化的效果。如果您能在这些实践中独占鳌头,那么恭喜您,与在人工智能前端冲浪已久的工程师们相比,您已经毫不逊色。如果愿意,您甚至可以尝试面试顶级科技公司,从事与人工智能相关的研发工作。
特色三: 深度学习全流程工具支撑,帮助读者武装到牙齿
在人工智能应用飞速落地的今天,如何实现快速建模,如何提升模型的训练和部署效率,已经成为工业界普遍关注的课题。因此本书在介绍深度学习的各种“生存技巧”之后,还为读者配备了飞桨“最先进武器”,内容由“武器”的制造者——飞桨产品架构师们共同撰写。高超生存技巧,配以先进的武器,相信可以让读者更加自信地驾驭这场轰轰烈烈的AI浪潮,并大放异彩。
全书共8章,可分为3部分: 第1部分包括第1~2章,以最基础的深度学习任务(房价预测和手写数字识别)为例,内容由浅入深,层层剖析,帮助读者入门深度学习的编程并掌握深度学习各环节的优化方法; 第2部分包括第3~7章,以计算机视觉、自然语言处理和推荐系统三个深度学习最常用领域的典型任务为例,介绍各领域的基础知识和应用深度学习解决实际问题的方案及实践过程,帮助读者对深度学习模型有更深刻的理解; 第3部分为第8章,系统化地介绍飞桨提供的各种武器,包括模型资源、工业化训练和部署工具,以及如何基于飞桨进行二次研发。
特别感谢王海峰老师在百忙中给本书作序,您对人工智能发展趋势的深刻理解为我们提供了方向指引; 感谢吴甜女士的指导和帮助,您对人工智能技术的热爱、对AI人才的重视和培育让本书的诞生成为可能; 感谢马艳军、于佃海、李轩涯、周奇在本书撰写过程中的大力支持,让其更匹配深度学习读者的需求; 感谢飞桨研发工程师们为本书的写作提供基础素材和提供简洁、高效、易用的实践代码; 最后还要感谢迟恺、吴蕾、聂浪、张克明、钱芳、郑子禾等同学对于本书细致入微的编辑和校对。
如果通过本书的学习,能够让读者得到开悟,并激发大家在深度学习领域持续深耕的兴趣,那将是本书作者的最大的荣幸。由于本书作者学识有限,深度学习方法也还在不断完善,书中难免存在疏漏,希望读者朋友不吝赐教,共同将这本书打造得更完美。
百度杰出架构师、飞桨产品负责人
2020年11月于北京