机器学习从入门到入职:用sklearn与keras搭建人工智能模型

(副标题)：无 ;

(作者): 张威 ;

内容简介：

​ 第1章　机器学习概述
本章主要对机器学习的基本内容进行简单介绍。
什么是机器学习（Machine Learning，ML）？当大家学习人工智能（Artificial Intelligence，AI）技术时，会发现存在各种各样的“学习”，如深度学习、强化学习、机器学习、监督学习、集成学习等。这些“学习”摆在人们面前的时候，不由得让人产生一种迷茫感，这些学习有一些相互重合的地方，有一些又是单独的学科。有志从事人工智能行业或者对人工智能感兴趣的朋友，可以从厘清这些“学习”的概念开始。
在了解机器学习的定义之后，可以进一步了解机器学习的发展历程，从而对这门学科的发展演进脉络有一个大致的了解，这对把握人工智能的发展趋势具有一定的指导作用。
最后，读者还需要了解机器学习存在哪些商业应用，以及机器学习可能的发展趋势。由此，读者可以自行判断诸如以下问题。
·人工智能是否仅仅是一个风口？
·还有哪些应用场景没有被挖掘出来？
·什么样的工作将来会被人工智能取代？
1.1　什么是机器学习
首先需要了解什么是人工智能。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能所包含的类目很多，其中包括但不限于诸如计划调度、专家系统、推荐系统等学科，其中机器学习就是人工智能中比较重要的学科之一（见图1-1）。

图1-1　人工智能与机器学习的关系

机器学习，使用算法解析数据并从中学习，然后对真实世界中的事件做出决策和预测。与传统的用于解决特定任务、硬编码的软件程序不同，机器学习用大量的数据“训练”，并通过各种算法从数据中学习如何完成任务。如图1-1所示，之前所提到的监督学习、深度学习、强化学习等内容，实际上都属于机器学习的一个子类目，它们

目录预览：

​ 机器学习从入门到入职：用sklearn与keras搭建人工智能模型
第1章　机器学习概述
第2章　机器学习的准备工作
第3章　Sklearn概述
第4章　Sklearn之数据预处理
第5章　Sklearn之建立模型（上）
第6章　Sklearn之建立模型（下）
第7章　Sklearn之模型优化
第8章　Keras主要API及架构介绍
第9章　一个神经网络的迭代优化
第10章　卷积神经网络
第11章　生成性对抗网络
第12章　循环神经网络
第13章　机器学习的入职准备