來(lái)源：數(shù)據(jù)猿  作者：abby

年關(guān)將至，回顧2017，小編記得自己曾在年初的時(shí)候給自己定下一個(gè)小目標(biāo)——就是讀30本書(shū)。然而隨著春節(jié)的臨近，小目標(biāo)卻成了遙不可及的夢(mèng)。不知道在過(guò)去的一年中，你是否也制定過(guò)相似的目標(biāo)，又是否一一實(shí)現(xiàn)了呢？沒(méi)做到?jīng)]關(guān)系，但目標(biāo)還是要有的，萬(wàn)一實(shí)現(xiàn)了呢。因此，貼心的小編就從2017年的【每周一本書(shū)】欄目里為大家挑選了十本“最受歡迎”的書(shū)籍，希望能給對(duì)大數(shù)據(jù)或是人工智能感興趣的朋友帶來(lái)一些幫助。

part 1:工具篇

一、《機(jī)器學(xué)習(xí)之路——Caffe、Keras、scikit-learn實(shí)戰(zhàn)》

該書(shū)從內(nèi)容方面共包含兩部分內(nèi)容：機(jī)器學(xué)習(xí)篇和深度學(xué)習(xí)篇

機(jī)器學(xué)習(xí)篇（1～3 章）：主要從零開(kāi)始，介紹什么是數(shù)據(jù)特征，什么是機(jī)器學(xué)習(xí)模型，如何訓(xùn)練模型、調(diào)試模型，以及如何評(píng)估模型的成績(jī)。通過(guò)一些簡(jiǎn)單的任務(wù)例子，講解在使用模型時(shí)如何分析并處理任務(wù)數(shù)據(jù)的特征，如何組合多個(gè)模型共同完成任務(wù)，并在第3章初步嘗試將機(jī)器學(xué)習(xí)技術(shù)運(yùn)用到股票交易中，重復(fù)熟悉這些技術(shù)的同時(shí)，感受機(jī)器學(xué)習(xí)技術(shù)在落地到專業(yè)領(lǐng)域時(shí)常犯的錯(cuò)誤。

深度學(xué)習(xí)篇（4～9 章）：則主要介紹了一些很基礎(chǔ)的深度學(xué)習(xí)模型，如DNN、CNN等，簡(jiǎn)單涵蓋了一些RNN 的概念描述。我們更關(guān)注模型的直觀原理和背后的生物學(xué)設(shè)計(jì)理念，希望讀者能夠帶著這些理解，直接上手應(yīng)用深度學(xué)習(xí)框架。

作者介紹：

阿布，高四維，從2007年一直從事移動(dòng)相關(guān)研發(fā)，曾就職奇虎360，百度等互聯(lián)網(wǎng)公司，擅長(zhǎng)安全領(lǐng)域，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)，移動(dòng)客戶端等技術(shù)。個(gè)人開(kāi)發(fā)軟件“i美股”、“中國(guó)好聲音”等在各個(gè)市場(chǎng)可下載。

胥嘉幸，從北京大學(xué)研究生階段開(kāi)始接觸機(jī)器學(xué)習(xí)領(lǐng)域，有很深的理論及數(shù)學(xué)方面獨(dú)特的見(jiàn)解與認(rèn)知，后在百度從事數(shù)據(jù)發(fā)掘分析等工作。

二、《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》

本書(shū)主要介紹了深度學(xué)習(xí)的基礎(chǔ)原理和TensorFlow系統(tǒng)基本使用方法。TensorFlow是目前機(jī)器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域最優(yōu)秀的計(jì)算系統(tǒng)之一，《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》結(jié)合實(shí)例介紹了使用TensorFlow開(kāi)發(fā)機(jī)器學(xué)習(xí)應(yīng)用的詳細(xì)方法和步驟。同時(shí)，《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》著重講解了用于圖像識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)和用于自然語(yǔ)言處理的循環(huán)神經(jīng)網(wǎng)絡(luò)的理論知識(shí)及其TensorFlow實(shí)現(xiàn)方法，并結(jié)合實(shí)際場(chǎng)景和例子描述了深度學(xué)習(xí)技術(shù)的應(yīng)用范圍與效果。

本書(shū)從內(nèi)容上共分為7個(gè)章節(jié)：

第1章：介紹了深度學(xué)習(xí)的由來(lái)以及發(fā)展趨勢(shì)，簡(jiǎn)要說(shuō)明了人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等名詞概念之間的聯(lián)系。

第2章：主要介紹了TensorFlow系統(tǒng)的基礎(chǔ)知識(shí)和一些重要概念。

第3章：通過(guò)對(duì)Kaggle競(jìng)賽平臺(tái)上的Titanic問(wèn)題的求解實(shí)例，介紹了TensorFlow系統(tǒng)的基本用法，并簡(jiǎn)要介紹了機(jī)器學(xué)習(xí)問(wèn)題中的一些常用的處理技巧。

第4章：介紹了CNN的基本原理和多個(gè)經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)，并通過(guò)圖像風(fēng)格化的實(shí)例展示了CNN在更多場(chǎng)景下應(yīng)用的可能性。

第5章：介紹了RNN、LSTM以及它們的多種變種結(jié)構(gòu)，并通過(guò)實(shí)例介紹了如何構(gòu)建實(shí)用的語(yǔ)言模型和對(duì)話機(jī)器人。

第6章：介紹了卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)合，通過(guò)圖像檢測(cè)和圖像摘要兩個(gè)問(wèn)題介紹了CNN+LSTM相結(jié)合的威力。

第7章：介紹了機(jī)器學(xué)習(xí)中非常重要的損失函數(shù)與優(yōu)化算法在TensorFlow中的實(shí)現(xiàn)，對(duì)實(shí)際使用深度學(xué)習(xí)解決問(wèn)題都有極大幫助。

作者簡(jiǎn)介:

喻儼，百納信息（海豚瀏覽器）研發(fā)副總裁。2007年加入微軟亞洲工程院，2011年加入百納信息負(fù)責(zé)海外業(yè)務(wù)線，從0到1做過(guò)多個(gè)項(xiàng)目，現(xiàn)致力于AI和大數(shù)據(jù)產(chǎn)品的研究與應(yīng)用。

莫瑜，先后任職于微軟和海豚瀏覽器，從事搜索引擎、音樂(lè)檢索/哼唱搜索、內(nèi)容分發(fā)推薦算法和對(duì)話機(jī)器人技術(shù)研發(fā)。長(zhǎng)期以來(lái)持續(xù)關(guān)注和實(shí)踐大規(guī)模數(shù)據(jù)算法性能優(yōu)化、搜索引擎、推薦系統(tǒng)和人工智能技術(shù)。

王琛，英國(guó)愛(ài)丁堡大學(xué)人工智能專業(yè)碩士，現(xiàn)為百納信息技術(shù)有限公司人工智能方向負(fù)責(zé)人。

胡振邦，擁有博士學(xué)位，百納信息技術(shù)有限公司高級(jí)算法研究員，畢業(yè)于中國(guó)地質(zhì)大學(xué)計(jì)算機(jī)學(xué)院地學(xué)信息工程專業(yè)。畢業(yè)以來(lái)，一直從事圖像識(shí)別方面的算法研發(fā)工作，主要方向包括目標(biāo)檢測(cè)、圖文檢索、圖像分類與驗(yàn)證等，在圖像處理、計(jì)算機(jī)視覺(jué)等方面都有深厚的積累和經(jīng)驗(yàn)。

高杰，畢業(yè)于揚(yáng)州中學(xué)特招班，1998年入學(xué)華中科技大學(xué)機(jī)械系，兼修管理、會(huì)計(jì)，自學(xué)計(jì)算機(jī)，2003年考入南京大學(xué)軟件學(xué)院，曾任德國(guó)西門子內(nèi)部SAP咨詢師，還在中銀國(guó)際TMT投行、金山軟件集團(tuán)投資部任過(guò)職，2015年與合伙人聯(lián)合創(chuàng)立了圖靈科技集團(tuán)。

三、《Keras快速上手：基于Python的深度學(xué)習(xí)實(shí)戰(zhàn)》

《Keras快速上手：基于Python的深度學(xué)習(xí)實(shí)戰(zhàn)》從如何準(zhǔn)備深度學(xué)習(xí)的環(huán)境開(kāi)始，手把手地教讀者如何采集數(shù)據(jù)，如何運(yùn)用一些最常用，也是目前被認(rèn)為最有效的一些深度學(xué)習(xí)算法來(lái)解決實(shí)際問(wèn)題。覆蓋的領(lǐng)域包括推薦系統(tǒng)、圖像識(shí)別、自然語(yǔ)言情感分析、文字生成、時(shí)間序列、智能物聯(lián)網(wǎng)等。

本書(shū)以實(shí)際應(yīng)用為導(dǎo)向，強(qiáng)調(diào)概念的認(rèn)知和實(shí)用性，對(duì)理論的介紹深入淺出，對(duì)讀者的數(shù)學(xué)水平要求較低，讀者在學(xué)習(xí)完畢后能使用案例程序舉一反三地應(yīng)用到其具體場(chǎng)景中。

從內(nèi)容方面本書(shū)共分為10個(gè)章節(jié)：

第1章：介紹搭建深度學(xué)習(xí)環(huán)境，是整本書(shū)的基礎(chǔ)。

第2章：介紹如何用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)收集數(shù)據(jù)并使用ElasticSearch 存儲(chǔ)數(shù)據(jù)。因?yàn)樵诤芏鄳?yīng)用中，數(shù)據(jù)需要讀者自行從網(wǎng)上爬取和并加以處理和存儲(chǔ)。

第3章：介紹深度學(xué)習(xí)模型的基本概念。

第4章：介紹深度學(xué)習(xí)框架 Keras 的用法。

第 5~9 章：是5個(gè)深度學(xué)習(xí)的經(jīng)典應(yīng)用。我們會(huì)依次介紹深度學(xué)習(xí)在推薦系統(tǒng)、圖像識(shí)別、自然語(yǔ)言處理、文字生成和時(shí)間序列的具體應(yīng)用。在介紹這些應(yīng)用的過(guò)程中會(huì)穿插各種深度學(xué)習(xí)模型和代碼，并和讀者分享我們對(duì)于這些模型的原理和應(yīng)用場(chǎng)景的體會(huì)。

第10章：拋磚引玉地提出物聯(lián)網(wǎng)概念。

作者介紹：

謝梁，現(xiàn)任微軟云計(jì)算核心存儲(chǔ)部門首席數(shù)據(jù)科學(xué)家，主持運(yùn)用機(jī)器學(xué)習(xí)和人工智能方法優(yōu)化大規(guī)模高可用性并行存儲(chǔ)系統(tǒng)的運(yùn)行效率和改進(jìn)其運(yùn)維方式。具有十余年機(jī)器學(xué)習(xí)應(yīng)用經(jīng)驗(yàn)。

魯穎，現(xiàn)任谷歌硅谷總部數(shù)據(jù)科學(xué)家，為谷歌應(yīng)用商城提供核心數(shù)據(jù)決策分析，利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)建立用戶行為預(yù)測(cè)模型，為產(chǎn)品優(yōu)化提供核心數(shù)據(jù)支持。曾在亞馬遜、微軟和迪士尼美國(guó)總部擔(dān)任機(jī)器學(xué)習(xí)研究科學(xué)家，有著多年使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法研發(fā)為業(yè)務(wù)提供解決方案的經(jīng)驗(yàn)。

勞虹嵐，現(xiàn)任微軟研究院研究工程師，是早期智能硬件項(xiàng)目上視覺(jué)和語(yǔ)音研發(fā)的核心團(tuán)隊(duì)成員，對(duì)企業(yè)用戶和消費(fèi)者需求體驗(yàn)與AI技術(shù)的結(jié)合有深刻的理解和豐富的經(jīng)驗(yàn)。曾在Azure和Office 365負(fù)責(zé)處理大流量高并發(fā)的后臺(tái)云端研究和開(kāi)發(fā)，精通一系列系統(tǒng)架構(gòu)設(shè)計(jì)和性能優(yōu)化方面的解決方案。

四、《全棧數(shù)據(jù)之門》

《全棧數(shù)據(jù)之門》以數(shù)據(jù)分析領(lǐng)域最熱的Python語(yǔ)言為主要線索，介紹了數(shù)據(jù)分析庫(kù)numpy、Pandas與機(jī)器學(xué)習(xí)庫(kù)scikit-learn，使用了可視化環(huán)境Orange 3來(lái)理解算法的一些細(xì)節(jié)。對(duì)于機(jī)器學(xué)習(xí)，既有常用算法kNN與Kmeans的應(yīng)用，決策樹(shù)與隨機(jī)森林的實(shí)戰(zhàn)，還涉及常用特征工程與深度學(xué)習(xí)中的自動(dòng)編程器。在大數(shù)據(jù)Hadoop與Hive環(huán)境的基礎(chǔ)之上，使用Spark的ML/MLlib庫(kù)集成了前面的各部分內(nèi)容，讓分布式機(jī)器學(xué)習(xí)更容易。大量的工具與技能實(shí)戰(zhàn)的介紹將各部分融合成一個(gè)全棧的數(shù)據(jù)科學(xué)內(nèi)容。

本書(shū)從內(nèi)容上共分為8個(gè)章節(jié)：

第1、2、3 章：內(nèi)容比較單一，涉及基礎(chǔ)的Linux、Python 與Hadoop 知識(shí)。如果對(duì)這三章中的某些知識(shí)不熟悉，建議先閱讀。

第4章：本章比較特殊，其內(nèi)容也是數(shù)據(jù)科學(xué)中比較重要的，不僅需要前3章的知識(shí)，也需要部分Spark的知識(shí)，因?yàn)镾park的特殊性，單獨(dú)放到機(jī)器學(xué)習(xí)之后了。

第5、6 章：涉及數(shù)據(jù)科學(xué)中最重要的主題：機(jī)器學(xué)習(xí)與算法，介紹了機(jī)器學(xué)習(xí)的常用環(huán)境、概念、方法以及幾個(gè)典型的算法應(yīng)用。這兩章是本書(shū)的難點(diǎn)，如果不熟悉，必須單獨(dú)攻克。

第7章：Spark 本身就是一個(gè)全?？蚣埽瑹o(wú)論是在分布式計(jì)算還是在機(jī)器學(xué)習(xí)領(lǐng)域，都大有用處。因此最好有前面章節(jié)的基礎(chǔ)知識(shí)，方能更好地理解本章的內(nèi)容，尤其是MLlib/ML 庫(kù)，必須有機(jī)器學(xué)習(xí)算法的知識(shí)。

最后一章：第8章反而是最簡(jiǎn)單的，因?yàn)榛静簧婕凹夹g(shù)細(xì)節(jié)，但對(duì)整個(gè)數(shù)據(jù)科學(xué)的理解，以及技術(shù)積累都是非常重要的。

作者介紹：

任柳江，一直工作在數(shù)據(jù)處理與數(shù)據(jù)挖掘的第一線，具有豐富的理論知識(shí)和實(shí)踐經(jīng)驗(yàn)，且精通多種數(shù)據(jù)挖掘與分析的工具的使用。

五、《Druid實(shí)時(shí)大數(shù)據(jù)分析原理與實(shí)踐》

注：Druid是一個(gè)支持在大型數(shù)據(jù)集上進(jìn)行實(shí)時(shí)查詢而設(shè)計(jì)的開(kāi)源數(shù)據(jù)分析和存儲(chǔ)系統(tǒng)，提供了低成本、高性能、高可靠性的解決方案，整個(gè)系統(tǒng)支持水平擴(kuò)展，管理方便。

《Druid實(shí)時(shí)大數(shù)據(jù)分析原理與實(shí)踐》就是旨在幫助技術(shù)人員更好地深入理解Druid 技術(shù)、大數(shù)據(jù)分析技術(shù)選型、Druid 的安裝和使用、高級(jí)特性的使用，也包括一些源代碼的解析，以及一些常見(jiàn)問(wèn)題的快速回答。

本書(shū)從內(nèi)容上共分為11個(gè)章節(jié)：

第1章：介紹Druid的初級(jí)概念；

第2章：對(duì)行業(yè)中不同的數(shù)據(jù)分析軟件進(jìn)行介紹和對(duì)比，包括一些時(shí)序數(shù)據(jù)庫(kù)；

第3章：Druid的設(shè)計(jì)理念和架構(gòu)介紹；

第4章：Druid的安裝和配置；

第5章：Druid的數(shù)據(jù)攝入；

第6章：查詢?cè)斀猓?/p>

第7章：介紹Druid的一些高級(jí)特性，包括正在積極完善的一些功能；

第8章：核心代碼的導(dǎo)讀和分析；

第9章：集群管理中的安全和監(jiān)控；

第10章：介紹幾個(gè)公司的Druid最佳實(shí)踐；

第11章：Druid的生態(tài)介紹和展望；

附錄A：簡(jiǎn)要回答了一些常見(jiàn)的問(wèn)題；

附錄B：列出了各個(gè)服務(wù)模塊的參數(shù)含義和建議值，方便系統(tǒng)管理。

作者介紹：

歐陽(yáng)辰，小米商業(yè)產(chǎn)品部研發(fā)總監(jiān)，負(fù)責(zé)廣告架構(gòu)和數(shù)據(jù)分析平臺(tái)，擅長(zhǎng)數(shù)據(jù)挖掘，大數(shù)據(jù)分析和廣告搜索架構(gòu)。

劉麒赟，現(xiàn)任Testin云測(cè)公司技術(shù)總監(jiān)，全面負(fù)責(zé)領(lǐng)導(dǎo)團(tuán)隊(duì)完成數(shù)據(jù)分析產(chǎn)品的研發(fā)。作為資深數(shù)據(jù)技術(shù)專家，曾為多個(gè)著名開(kāi)源項(xiàng)目（Hadoop／Sqoop／Oozie／Druid）貢獻(xiàn)源代碼，在互聯(lián)網(wǎng)大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)應(yīng)用等方面擁有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)和相關(guān)專利。

張海雷，資深工程師。目前在優(yōu)酷土豆廣告技術(shù)團(tuán)隊(duì)負(fù)責(zé)Druid集群的維護(hù)?；钴S在Druid中國(guó)用戶組，Druid、Redis和Storm的開(kāi)源項(xiàng)目代碼貢獻(xiàn)者。

高振源，熱愛(ài)技術(shù)，愛(ài)智求真的后臺(tái)開(kāi)發(fā)和數(shù)據(jù)工程師。先后負(fù)責(zé)過(guò)廣告DSP產(chǎn)品、QQ公眾號(hào)精準(zhǔn)投放平臺(tái)、數(shù)據(jù)分析產(chǎn)品等研發(fā)工作。目前在騰訊SNG企業(yè)產(chǎn)品部，負(fù)責(zé)企點(diǎn)產(chǎn)品的數(shù)據(jù)平臺(tái)工作。

許哲，騰訊后臺(tái)開(kāi)發(fā)高級(jí)工程師，先后參與了公司企業(yè)產(chǎn)品消息服務(wù)后臺(tái)、QQ公眾號(hào)后臺(tái)、QQ公眾號(hào)精準(zhǔn)投放平臺(tái)等研發(fā)，目前在騰訊SNG企業(yè)產(chǎn)品部，負(fù)責(zé)騰訊企點(diǎn)的后臺(tái)和數(shù)據(jù)平臺(tái)開(kāi)發(fā)工作。

六、《大數(shù)據(jù)時(shí)代小數(shù)據(jù)分析》

《大數(shù)據(jù)時(shí)代小數(shù)據(jù)分析》不僅介紹Excel而且介紹使用其他工具軟件進(jìn)行數(shù)據(jù)分析，可用來(lái)拓展互聯(lián)網(wǎng)公司、傳統(tǒng)企業(yè)、電商企業(yè)、管理咨詢公司等各行各業(yè)從事數(shù)據(jù)分析工作的分析師和管理者對(duì)數(shù)據(jù)分析的認(rèn)知，也適合初中級(jí)數(shù)據(jù)分析師或者想進(jìn)入數(shù)據(jù)分析行業(yè)的有志之士參考閱讀。

本書(shū)從內(nèi)容上共分為5個(gè)章節(jié)：

第1章：知己知彼，百戰(zhàn)不殆——風(fēng)險(xiǎn)與預(yù)測(cè)分析

第2章：運(yùn)籌帷幄，決勝千里——效益最大化

第3章：圖個(gè)明白，精彩展現(xiàn)——JMP精彩圖表

第4章：抽絲剝繭，明察秋毫——相關(guān)分析

第5章：要里子，也要面子——數(shù)據(jù)展現(xiàn)的藝術(shù)

作者簡(jiǎn)介：

屈澤中，化工專業(yè)，數(shù)據(jù)分析愛(ài)好者，愛(ài)好使用工具探索數(shù)據(jù)背后的秘密，略懂Excel、LINGO、Crystal Ball、JMP、Minitab、Xcelsius，工作十余年，一直從事將數(shù)據(jù)分析與各類業(yè)務(wù)相結(jié)合的研究和學(xué)習(xí)。

七、《深度學(xué)習(xí)入門與實(shí)踐》

深度學(xué)習(xí)就是人工智能的一個(gè)重要實(shí)現(xiàn)方法，在語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和搜索廣告預(yù)估等領(lǐng)域都取得了驚人的成果，連聲名顯赫的AlphaGo都是以他為基礎(chǔ)的。

《深度學(xué)習(xí)入門與實(shí)踐》的作者以通俗易懂的語(yǔ)言和生動(dòng)的比喻介紹了回歸、人工神經(jīng)網(wǎng)絡(luò)等人工智能基本概念。并將TensorFlow比喻成神雕大俠楊過(guò)手中的玄鐵重劍，將Caffe的基礎(chǔ)CNN比喻成令狐少俠的獨(dú)孤九劍，讀來(lái)毫無(wú)違和感。

從內(nèi)容方面該書(shū)共分為六個(gè)章節(jié)：

第一章：通俗的講解深度學(xué)習(xí)的常用概念及概念之間的關(guān)系，如回歸、分類、聚類；監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)；感知機(jī)、神經(jīng)網(wǎng)絡(luò)等。隨后介紹了深度學(xué)習(xí)的發(fā)展歷程及前輩學(xué)者們對(duì)深度學(xué)習(xí)領(lǐng)域所做出的貢獻(xiàn)。最后列出了深度學(xué)習(xí)及相關(guān)領(lǐng)域的著名國(guó)際會(huì)議、期刊、賽事和學(xué)術(shù)團(tuán)隊(duì)，以方便讀者獲取學(xué)習(xí)資料和進(jìn)行學(xué)術(shù)研究。

第二章：介紹了深度學(xué)習(xí)的原理、線性回歸、邏輯回歸的概念。以生物學(xué)家Galton所研究的父子身高問(wèn)題為例介紹了線性回歸的基本原理，講述了線性回歸的兩種求解方法：梯度下降法和正規(guī)方程法，并用R、MATLAB和Python三種工具求解了父子身高問(wèn)題。隨后以學(xué)生考試問(wèn)題為例介紹了邏輯回歸的基本原理，給出了邏輯回歸問(wèn)題求解的過(guò)程，并用R、MATLAB和Python三種工具解決了學(xué)生考試問(wèn)題，并賦源碼及解釋。

第三章：介紹了感知機(jī)和人工神經(jīng)網(wǎng)絡(luò)的工作流程。闡述了神經(jīng)網(wǎng)絡(luò)的基本單元Rosenblatt感知機(jī)的工作原理和訓(xùn)練方法，并以一個(gè)二維空間中線性可分的點(diǎn)集為例驗(yàn)證了感知機(jī)的訓(xùn)練方法。隨后簡(jiǎn)要介紹了人工神經(jīng)網(wǎng)絡(luò)的由來(lái)、網(wǎng)絡(luò)架構(gòu)和訓(xùn)練方法。最后用Pybrain實(shí)現(xiàn)了一個(gè)三層神經(jīng)網(wǎng)絡(luò)，借助實(shí)例初步展現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的神奇功能。

第四章：詳細(xì)介紹了Caffe的基本架構(gòu)和使用方法。闡述了Caffe架構(gòu)中Blob、Layer、Net和Solver等幾個(gè)基本類的作用，并以一個(gè)車型識(shí)別為例使用Caffe完成項(xiàng)目開(kāi)發(fā)。最后介紹了目標(biāo)檢測(cè)的基本原理和幾個(gè)當(dāng)前最流行的算法：Faster R-CNN、YOLO和SSD等，并用開(kāi)源的Caffe實(shí)例驗(yàn)證了Faster R-CNN和SSD算法的性能。

第五章：介紹了TensorFlow的工作原理和使用方法。闡述了TensorFlow架構(gòu)中圖、張量、運(yùn)算和會(huì)話等概念和用法，使用TensorFlow實(shí)現(xiàn)父子身高問(wèn)題的線性回歸實(shí)例。

第六章：闡述了AlphaGo、強(qiáng)化學(xué)習(xí)、策略網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)策略網(wǎng)絡(luò)和估值網(wǎng)絡(luò)工作原理。以一個(gè)九宮棋為例講述了強(qiáng)化學(xué)習(xí)的基本算法：Q學(xué)習(xí)算法。隨后介紹了AlphaGo的架構(gòu)，其賴以常勝不敗的監(jiān)督學(xué)習(xí)策略網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)策略網(wǎng)絡(luò)和估值網(wǎng)絡(luò)等組件的工作原理。最后介紹了深度學(xué)習(xí)的一個(gè)有趣應(yīng)用：畫(huà)風(fēng)遷移，以饗讀者。

作者介紹：

part 2 ：行業(yè)篇

一、《人之彼岸》

郝景芳繼《北京折疊》后全新科幻作品——《人之彼岸》。該書(shū)首度從文學(xué)跨度到科普。書(shū)里不僅包括最新創(chuàng)作的六篇中短篇小說(shuō)，還包括兩篇解讀人工智能的文章。故事圍繞人與人工智能的糾葛展開(kāi)，其設(shè)定的場(chǎng)景既包括離我們很近的人工智能產(chǎn)品，也包括預(yù)設(shè)的地球被萬(wàn)神殿操控的宏大場(chǎng)面。

郝景芳構(gòu)思的六個(gè)科幻故事，它們的主角無(wú)疑都是人與AI。人與AI隔岸而望，作為理性的AI，是否一定能把人類非理性的一套心理表征學(xué)個(gè)差不多？在物理環(huán)境變成了智能產(chǎn)品的天下之后，人又該如何自處？六篇科幻故事之后，郝景芳用兩篇非科幻思考回答了我們關(guān)于AI的所有困惑。

人工智能會(huì)不會(huì)毀滅人類，以及人工智能會(huì)取代多少人的就業(yè)，實(shí)際上是有關(guān)人工智能討論的最熱話題。郝景芳認(rèn)為，人工智能會(huì)變得非常強(qiáng)大，但并不意味著它們會(huì)毀滅人類。它們的威脅性其實(shí)和原子彈一樣：能毀滅所有人，但按鈕掌握在人類手里。

作者介紹：

郝景芳，1984年生，小說(shuō)作家，經(jīng)濟(jì)研究員。2002年進(jìn)入清華大學(xué)物理系學(xué)習(xí)，2013年獲得清華經(jīng)濟(jì)學(xué)博士學(xué)位。2016年8月，在第74屆世界科幻大會(huì)上，憑借短篇小說(shuō)《北京折疊》斬獲雨果獎(jiǎng)最佳中短篇小說(shuō)獎(jiǎng)。曾出版長(zhǎng)篇小說(shuō)《流浪蒼穹》《生于一九八四》，短篇小說(shuō)集《去遠(yuǎn)方》《孤獨(dú)深處》，文化散文集《時(shí)光里的歐洲》。創(chuàng)立兒童通識(shí)教育項(xiàng)目“童行計(jì)劃”。

來(lái)源：數(shù)據(jù)猿