译者序
随着AlphaGo在人机大战中一举成名,关于机器学习的研究开始广受关注,数据科学家也一跃成为“21世纪最性感的职业”。关于机器学习和神经网络的广泛应用虽然兴起不久,但是对这两个密切关联的领域的研究其实已经持续了好几十年,早已形成了系统化的知识体系。对于想要踏入机器学习领域的初学者而言,理论知识的获取并非难事。
本书作者Aurélien Géron曾经是谷歌工程师,在2013年至2016年,主导了YouTube的视频分类工程,拥有丰富的机器学习项目经验。作者的写作初衷是希望从实践出发,手把手地帮助开发者从零开始搭建起一个神经网络。这也正构成了本书区别于其他机器学习教程的最重要的特质—不再偏向于原理研究的角度,而是从开发者的实践角度出发,在动手写代码的过程中,循序渐进地了解机器学习的理论知识和工具的实践技巧。对于想要快速上手机器学习的开发者来说,本书不啻为一个非常值得尝试的起点项目。
本书主要分为两个部分。第一部分为第1~8章,涵盖机器学习的基础理论知识和基本算法—从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9~16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。
书中涉及不少数学公式,作者对抽象的公式背后的含义也都一一做出了阐释,因此即便是对数学不敏感的初学者,也同样能够理解机器学习任务的实质。
书中所涉及的专业术语与概念较多,部分概念及术语尚无公认的中文译法,因此我们较多地参考了网络上和研究论文中常用的译法,若有不适合读者朋友的术语,可根据原词确认其原始词意。在翻译过程中虽然力求准确地反映原著内容,但由于译者水平有限,如有错漏之处,恳请读者批评指正。
本书译者均来自于ThoughtWorks咨询公司,王静源翻译了第1~8章,贾玮翻译了第13~16章,边蕤翻译了第11章和第12章,邱俊涛翻译了第9章和第10章,并对全书译文进行校对和最后定稿。
最后要感谢华章公司的编辑,他们为保证本书的质量做出了大量的编辑和校正工作,在此深表谢意。
译者
2018年3月