人工智能系統(tǒng)主要使用機器學習技術解析外部環(huán)境數(shù)據(jù)，從數(shù)據(jù)中獲取知識和模型參數(shù)，從而獲得可用于決策或預測的數(shù)學模型。機器學習為人工智能系統(tǒng)提供了基礎性的核心算法支撐。要想了解人工智能，首先必須牢固掌握機器學習的基礎理論與應用技術。

機器學習主要是從經(jīng)驗數(shù)據(jù)等先驗信息中產(chǎn)生或構造模型的訓練學習算法，或者說機器學習是一門關于訓練學習算法設計理論與應用技術的學問。我們知道，算法設計是一種思維的藝術，需要一定的抽象思維能力和數(shù)學知識。機器學習算法更是如此，不僅涉及微積分、數(shù)理統(tǒng)計、矩陣計算、圖論等數(shù)學知識，還涉及眾多最優(yōu)化理論與方法，為廣大初學者掌握機器學習知識帶來一定的困難。

本書從一個完全不了解機器學習的程序員的視角出發(fā)，通過一系列生動有趣的具體應用實例，運用詼諧的語言以循序漸進的方式比較系統(tǒng)地介紹機器學習的本質思想、基本理論和重要算法，引導讀者親自動手從零開始打造和完善機器學習的底層代碼，逐步消除對機器學習算法原理的認知盲點，使得廣大初學者可以比較輕松地掌握機器學習和深度學習的基本理論和編程技術。

本節(jié)主要由三部分組成。第一部分主要通過一些有趣的應用實例介紹機器學習的基本概念、梯度下降優(yōu)化算法，以及線性回歸模型、線性分類模型、感知機模型等最基本的機器學習模型。第二部分主要介紹神經(jīng)網(wǎng)絡模型及相關的訓練算法，首先使用一種非常易于理解的方式介紹感知機神經(jīng)網(wǎng)絡模型，使得讀者能夠很快認識到神經(jīng)網(wǎng)絡模型的本質，然后結合代碼的編寫過程由淺入深地介紹神經(jīng)網(wǎng)絡模型的訓練步驟和訓練算法，并以詼諧幽默的語言分析討論超參數(shù)調(diào)優(yōu)和模型測試的一般方法和基本技巧。第三部分介紹深度學習的基本原理和基本模型，著重討論深度學習的過度擬合問題和正則化策略以及激活函數(shù)的設計思想，幫助廣大初學者打下良好的深度學習知識基礎和編程基礎。

本書是從零基礎初學者的思維角度編寫的，使用非常樸實、幽默的語言深入淺出地表達知識內(nèi)容，著重突出機器學習方法的思想內(nèi)涵、本質和基本的編程技術，使得廣大讀者能夠通過自己的努力較容易地掌握全書主要內(nèi)容，適合作為智能科學與技術、數(shù)據(jù)科學與大數(shù)據(jù)技術、計算機科學與技術以及相關專業(yè)的本科生或研究生的機器學習入門教材，也可供工程技術人員和自學讀者學習參考。

本書由汪雄飛、汪榮貴共同翻譯完成。感謝研究生張前進、江丹、孫旭、尹凱健、王維、張珉、李婧宇、修輝、雷輝、張法正、付炳光、葉萌、朱正發(fā)、湯明空、韓夢雅、鄧韜、王靜、龔毓秀、李明熹、董博文、麻可可、李懂、劉兵等提供的幫助，感謝合肥工業(yè)大學和機械工業(yè)出版社的大力支持。

由于時間倉促，譯文難免存在不妥之處，敬請讀者批評指正！

譯者

2021年3月