機器學習從入門到入職：用sklearn與keras搭建人工智能模型

　　近年來機器學習是一個熱門的技術(shù)方向，但機器學習本身并不是一門新興學科，而是多門成熟學科（微積分、統(tǒng)計學與概率論、線性代數(shù)等）的集合。其知識體系結(jié)構(gòu)龐大而復雜，為了使讀者朋友能夠把握機器學習的清晰的脈絡，本書盡可能從整體上對機器學習的知識架構(gòu)進行整理，并以Sklearn和Keras等機器學習框架對涉及的相關(guān)理論概念進行代碼實現(xiàn)，使理論與實踐相結(jié)合。 本書分為4個部分：第1章至第3章主要介紹機器學習的概念、開發(fā)環(huán)境的搭建及模型開發(fā)的基本流程等；第4章至第7章涵蓋回歸、分類、聚類、降維的實現(xiàn)原理，以及機器學習框架Sklearn的具體實現(xiàn)與應用；第8章至第12章主要闡述深度學習，如卷積神經(jīng)網(wǎng)絡、生成性對抗網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡的實現(xiàn)原理，以及深度學習框架Keras的具體實現(xiàn)與應用；第13章簡單介紹機器學習崗位的入職技巧。 本書可作為機器學習入門者、對機器學習感興趣的群體和相關(guān)崗位求職者的參考用書。

　　張威（Viking Zhang），曾就職于IBM、平安科技、嘉實基金、微眾銀行，現(xiàn)就職于“特朗普品質(zhì)認證”的人工智能公司，擁有多個關(guān)于人工智能方面的專利，致力于將人工智能應用場景普及化，將機器學習技術(shù)廣泛用于運維架構(gòu)、金融分析等方面。