1.7 本书框架

既然机器学习能解决这么多问题，那么本书贯穿始终的核心主题以及目标是什么呢？这里有两个关键词：一个是深度学习，另一个是移动平台实战。在这里，简单对我们要实现的系统做简单描述。

我们需要做一个客户端和一个服务器端——服务器端主要收集来自客户端的数据，客户端会上传图片和图片的标注到服务器，服务器将图片与标注存储到数据库中，服务器定时自动使用数据训练得到模型，客户端会自动检查更新并下载最新的模型，在本地使用移动平台的预测引擎完成用户图像的检测与识别，所以这是一个可以不断积累数据，提升模型识别率的闭环系统。

本书的框架和指导路径非常明确。首先，我们需要学习经典的传统学习算法，当然由于本书的核心是使用深度学习，因此我们一开始只介绍和深度学习密切相关的Logistic回归，这是一个非常经典的分类算法，也是神经网络的基础。

其次，我们会学习神经网络，神经网络是深度学习的基础，如果想要理解深度学习，就必须掌握人工神经网络的基础知识。

最后，我们在了解传统人工神经网络的基础上再阐述深度学习，了解深度学习到底在传统的人工神经网络的基础上做了什么改进。同时我们会讲解经典的深度学习模型，并以物体检测识别为重点应用场景讲解深度学习的应用。