智能之门：神经网络与深度学习入门（基于Python的实现）_胡晓武，秦婷婷，李超，邹欣著_9787040541410

　　《智能之门：神经网络与深度学习入门（基于Python的实现）》是作者在总结多年的实际工程应用经验的基础上编著而成的，是一本面向本科生的神经网络与深度学习的入门教材。通过阅读该书，读者可以掌握神经网络与深度学习的基本理论，并通过大量的代码练习，在做中学，提高将理论知识运用于实际工程的能力。
　　该书内容丰富，以“提出问题-解决方案-原理分析-可视化理解”的方式向读者介绍了深度学习的入门知识，并总结了“9步学习法”，分为基本概念、线性回归、线性分类、非线性回归、非线性分类、模型的推理与应用部深度神经网络、卷积神经网络以及循环神经网络9个步骤，对神经网络和深度学习进行了系统全面的讲解。
　　《智能之门：神经网络与深度学习入门（基于Python的实现）》既可以作为高等院校计算机、人工智能等专业的教学用书，也可供对深度学习感兴趣的研究人员和工程技术人员阅读参考。

　　2018年初，本书的编写团队开始搭建微软亚洲研究院的人工智能教育平台，通过和高校的老师交流，了解到高校正面临着如下的挑战。
　　1.人工智能技术栈复杂，新突破、新框架层出不穷，要“教”什么？是教数学基础，还是教即学即用的职业技能（例如模型调参技巧）？
　　2.人工智能课程，在互联网上都能找到相应的课程或者讲义，那为何还要在课堂上面对面地授课？
　　3.人工智能=算法+算力+数据，学校缺乏算力和数据，如何获取并管理有限的算力和数据，完成高质量的教学？
　　经过不断地探索和实践，找到了应对这些挑战的解决方案，本书就是成果之一。
　　1.希望让读者“知其然，知其所以然”。在学习编程时，如果能亲手编写核心代码，并跟踪执行，就能掌握这个程序。类似地，如果能自己动手构建一个小型的深度学习系统，那么才算真正掌握了基本原理，入门了深度学习。
　　2.如果读者缺乏足够的动力和能力去整理网上良莠不齐的资料并实践，往往出现“以后再看，再也不看”“从入门到放弃”的现象。本书配有高质量的代码和注释，且在配套的网上社区能够展开讨论，能持续发展。本书的编写团队与北京某985高校合作，基于本书内容开设了一门选修课（32学时），用“项目驱动”的教学方式.让学生们组队完成有实际意义的人工智能项目，入门深度学习。在微软中国公司内部有50余名工程师使用本书内容进行了为期14周的培训，取得了很好的效果。
　　3.本书的教学案例都放在Github上的“微软人工智能教育与学习共建社区”，这些案例（包括数据）可以让读者了解人工智能的各种模型和实际任务，也让课程教师在教学中有丰富的素材可以选择。
　　Talkischeap，showmethecode（代码胜于雄辩）。
　　希望读者可以通过“运行代码一理解代码一改进代码”的方式，来理解和掌握深度学习的入门知识和技能。网上社区的内容，包括知识点短视频还在不断地更新中，希望读者能参与社区的各种活动，在实战和问答中精进。
　　本书把深度学习的入门知识归纳成了9个步骤，如图1所示。每一步一般会使用如下方式进行讲解。
　　1.提出问题：先提出一个与现实相关的假设问题，为了由浅人深，这些问题并不复杂，是实际工程问题的简化版本。2.解决方案：运用神经网络的知识解决这些问题，从最简单的模型开始，逐步深入。
　　3.原理分析：使用基本的物理学概念或者数学工具，理解神经网络的工作方式。
　　4.可视化理解：可视化是学习新知识的重要手段，由于本书中使用的是简单案例，因此可以很方便地可视化。原理分析和可视化理解是本书的一个特点，希望能告诉读者，神经网络是可以学懂的，大家不要停留在“不知其所以然”的状态。
　　另外，为了便于理解，本书提供了大量的示意图，相信读者会通过这些示意图快速而深刻地理解其中的知识点，使大家能够真正从“零”开始，对神经网络、深度学习有基本的了解，并能动手实践。
　　本书每一章都有思考题和练习题，可以帮助读者深刻理解神经网络和深度学习的基本理论，且培养读者举一反三、解决实际问题的能力。对初学者，可以使其具备自学更复杂模型和更高级内容的能力；对已经有一定基础且酷爱深度学习的读者，可以培养其研发新模型的能力。
　　“人工智能”在最近几年成为了火热的名词，人工智能有很多研究和应用的领域，学习人工智能，也有很多途径。这本《智能之门》只是介绍其中一种方法，从某种意义上说，只是一个“小门”。希望读者通过这个“小门”掌握一些基本而关键的知识和技能，一窥门径，为将来的“登堂人室”做好准备。本书的封面是由高霖设计，他选择了中国古建筑中经典的斗拱作为设计的主题，斗拱巧妙而优雅地在建筑中起到承上启下的作用。这个设计也延续了《编程之美》《构建之法》的风格。
　　本书是一个团队合作的成果，由胡晓武、秦婷婷、李超、邹欣共同编写完成。
　　最后，要感谢浙江大学吴飞教授在审阅过程中给我们提出的详细和高质量的反馈。还要感谢微软亚洲研究院对外合作部的马歆、蒋运韫对这个项目的长期支持，感谢研究院的领导周礼栋博士对这次跨界探索的鼓励，感谢研究员曹颖，工程师曹旭、宋驰，项目经理郑春蕾，实习生徐宇飞、张少锋、毛清扬给予的支持，感谢沈园、沈卓、武逸超、孙玥在业余时间录制的知识点短视频，感谢工程师范飞龙对本书提出的意见。更要感谢高等教育出版社编辑们的对本书的辛勤付出，感谢北京航空航天大学高小鹏教授的支持。当然还要感谢编者的家人给予的照顾和鼓励。本书不足之处在所难免，期待读者们指正，一起为人工智能的教育和创新做出贡献。

你还可能感兴趣

我要评论