从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战

这是一本场景式的机器学习实践书，笔者努力做到“授人以渔，而非授人以鱼”。理论方面从人工智能（AI）与机器学习（ML）的基本要素讲起，逐步展开有监督学习、无监督学习、强化学习这三大类模型的应用场景与算法原理；实践方面通过金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈等案例启发读者将机器学习应用在各行各业里，其中后三个案例使用了深度学习技术。本书试图用通俗的语言讲解涵盖算法模型的机器学习，主要内容包括机器学习通用概念、三个基本科学计算工具、有监督学习、聚类模型、降维模型、隐马尔可夫模型、贝叶斯网络、自然语言处理、深度学习、强化学习、模型迁移等。在深入浅出地解析模型与算法之后，介绍使用Python相关工具进行开发的方法、解析经典案例，使读者做到“能理解、能设计、能编码、能调试”，没有任何专业基础的读者在学习本书后也能够上手设计与开发机器学习产品。本书内容深入浅出、实例典型，适合对机器学习感兴趣的产品设计、技术管理、数据分析、软件开发或学生读者。阅读本书既能了解当前工业界的主流机器学习与深度学习开发工具的使用方法，又能从战略方面掌握如何将人工智能技术应用到自己的企业

这是一本以机器学习为核心，结合深度学习技术，详细讲解算法原理与实战案例的综合性教材。这本书涵盖了机器学习与人工智能的发展，线性回归，支持向量机(SVM) ，决策树，K-means算法原理与应用，高斯混合模型概述与假设，主成分分析(PCA) ，贝叶斯网络的基本概念和特点，神经网络的基本结构，TensorFlow核心应用与架构，深度强化学习的简介与实现，迁移学习的动机和优势，Scipy科学计算工具，隐马尔可夫模型原理与应用，文本建模，文本处理技术回顾等关键内容点。 在理论方面，这本书从人工智能(AI)与机器学习(ML)的基本要素讲起，逐步展开有监督学习、无监督学习、强化学习这三大类模型的应用场景与算法原理。同时，通过丰富的案例，例如金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈等，启发读者将机器学习应用在各行各业里。 在实践方面，这本书详细介绍了使用Python相关工具进行开发的方法，包括Numpy、Matplot、Scipy等，解析经典案例，使读者做到“能理解、能设计、能编码、能调试”。同时，还介绍了如何使用TensorFlow等深度学习框架进行模型训练和