书籍介绍
人工智能已成发展趋势，而深度学习则是其中最有用的工具之一。虽然科技发展速度迅猛，现在实用技术更新换代的频率已经迅速到以周来计算，但是其背后最为基础的知识却是共通的。本书较为全面地介绍了神经网络的诸多基础与进阶的技术，同时还介绍了如何利用神经网络来解决真实世界中的现实任务。本书各章的内容不仅包括经典的传统机器学习算法与神经网络的方方面面，还对它们进行了对比与创新。如果能够掌握本书所讲述的知识，相信即使具体的技术更新得再快，读者也能根据本书所介绍的知识来快速理解、上手与改进它们。
本书兼顾了理论与实践，不仅从公式上推导出神经网络的各种性质，也从实验上对它们进行了验证，比较适合初学者进行学习。同时，本书所给出的框架更能直接、简单、快速地应用在实际任务中，适合相关从业人员使用。
何宇健，广受读者好评的《Python与机器学习实战》一书作者，来自北京大学数学系，有多年Python开发经验，在GitHub上拥有并维护着一个纯Python编写的机器学习算法库（386个stars，264个forks）。对机器学习、神经网络及它们在量化投资方面的应用有深入研究。曾在创新工场AI工程院负责研发适用于结构化数据的新型神经网络、序列预测算法的抽象框架以及基于模型的自动特征工程。
目录
用户评论
双十一购买的书籍，目前已经基本上看完了，也进行了相关的实操，对小白来说很有借鉴意义，能够引领小白入门人工智能。是一本不可多得的好书。本书先从机器学习常用术语、到scikit-learn和TensorFlow的介绍，先向小白的我介绍了相关的属于与概念，是我对神经网络与机器学习有了初步的认识。然后介绍了经典的机器学习常用算法，例如：朴素贝叶斯、决策树、梯度下降法等，是我对机器学习有了进一步的认。识。也为后面的学习铺垫了基础。最后，就开始机器学习的入门与进阶了。这里也就不赘述那么多了。整本书，从逻辑上来说是循序渐进的，推荐购买这本书籍。不过购买了之后，关键是要多练习，多打代码。光看是没有用的。在写代码的同时，也可以对知识点有进一步的理解。所以实操是关键。当然，要购买不同的书籍，交替学习才是最好的。
不错
我刚刚看完，感觉这本书非常不错，适合神经网络入门的同学。这本书对于神经网络的介绍非常的全面，不拖泥带水，对于公式的推导和使用范围都有详尽的解释，特别是cnn和rcnn那张，内容很丰富，代码的实现也很精妙，兼顾了理论与实践，不仅从公式上推导出神经网络的各种性质，也从实验上对它们进行了验证，比较适合初学者进行学习。同时，本书所给出的框架更能直接、简单、快速地应用在实际任务中，适合相关从业人员使用。而且这本书的代码写的很好，代码框架是可以直接复用的，和机器学习实战这本书有的一比，事实上我觉得要比机器学习实战这本书要好，没有白买，就适合我这种初学者看，很利于入门。
收藏