前言

据统计，在如今的各个行业中，互联网与软件工程行业的薪资名列前茅，大幅领先于传统行业，其中人工智能与大数据更是在互联网领域大放异彩。除此之外，人工智能领域的薪资涨幅也远超传统行业。随着大数据时代的来临，各行各业逐步深入实践和应用人工智能领域的相关技术，导致具有实践经验的顶尖AI人才缺口逐步增大。由此可见，人工智能技术将成为第四次工业革命的发动机，成为不可或缺的力量源泉。

在人工智能领域，深度学习方向涌现出了大量的框架来提高开发效率，而Keras成为其中的佼佼者，它具备三大优势：

❑ Keras能够在多种不同的底层张量库上作为前端运行，使Keras无缝衔接各类底层应用，从而具备良好的可扩展性。

❑ Keras具有良好的模块化设计方案，使用它设计自己的网络层往往能够节约大量时间。

❑ Keras提供了对底层设备差异的封装，极大地减少了人工的工作量。

本书结合大量的实际案例，从Python入门级别的大数据实践出发，逐步深入到对Keras深度学习技术的探讨，并通过图文结合及项目实战的代码讲解，来提高读者的理论能力及代码的实践能力。

本书特色

1．入门门槛低，学习曲线平滑

本书从搭建环境开始，分别介绍了Windows和Linux两种环境的安装，然后介绍了与Python数据编程相关的基础知识和工具包，如Jupyter Notebook、Numpy、Matplotlib、Pandas、Scipy等，又介绍了深度学习的基础理论，最后介绍了通过Keras实现深度学习的各类经典应用。整个学习曲线平滑，适合深度学习和机器学习零基础的读者。

2．注重新手友好性，理论结合实践

对于一个新知识点的出现，本书会通过对比的方式给出概念或原理，让读者能举一反三，拓宽知识面。关于深度学习的一些理论概念，本书都会给出简短的示例，让读者能边学习边实践，缩短新手与老手之间的差距。

3．技术面广泛，实践技巧丰富

本书所选的案例广泛且丰富，既有以神经网络为基础的感知器和线性单元的经典案例，又有基于LSTM神经网络的实战。在代码示例中，不仅包含了模型构建和设计的核心思想，也展示了新手容易犯错的一些细节。本书还包含了在工程实践中常用的设计与实现技巧，用来提高本书的实用性，加强案例与实际系统设计和实现过程的联系。

本书内容及知识体系

第1章介绍了深度学习的基础知识，通过梳理人工智能的历史，来了解人工智能、机器学习与深度学习的概念，并认识与理解三者之间的关系。

第2章介绍了深度学习中很重要的数据的前期处理工作，包括数据抓取与存储。另外，详细介绍了在各个平台中环境的安装与配置及爬虫的基础知识。本章的最后以抓取双色球的开奖数据为例来巩固和复习前面的知识要点。

第3章介绍了概率论的基础知识，将彩票套用在离散随机变量的数学概念中进行分析。本章的最后以双色球一等奖的开奖分布论证了双色球开奖是否随机、是否有过多人工干预的假设。

第4章介绍了时间序列的基础知识。上一章论证彩票的离散性，而这一章将彩票归入时间序列的数学模型中，论证彩票的时序性。本章的最后以经典的马尔可夫链模型来进行福彩3D的开奖预测。

第5章介绍了深度学习环境的搭建，详细介绍了TensorFlow+Keras环境的安装与配置，并重点介绍了GPU版本的TensorFlow+Keras环境的安装与配置。

第6章介绍了深度学习的原理，包括深度学习数学基础、神经网络基础、循环神经网络、LSTM神经网络等，其中分别以逻辑与（and）的实例和房价预测来讲解感知器和线性单元的相关概念。

第7章介绍了深度学习框架Keras的基础知识，包括优化器、损失函数、评价函数、模型训练、训练历史可视化、模型预测等，同时介绍了搭建一个基础的LSTM神经网络所涉及的相关知识点，最后以LSTM神经网络预测福彩3D为例，综合应用了本章的相关知识点。

第8章介绍了福彩3D预测平台的搭建过程，将第2章中的数据抓取和第7章中的LSTM神经网络预测的代码进行整合，完成了对福彩3D预测平台的搭建。

适合阅读本书的读者

❑ 深度学习爱好者。

❑ Keras入门读者。

❑ Python数据分析人员。

❑ 算法工程设计实现工程师。

❑ 渴望入门深度学习相关领域的学生。

❑ 模型与架构设计等相关领域工程师。

❑ 深度学习应用研究人员。

❑ 人工智能产业从业人员。

本书由郑敦庄、胡承志编写，读者有什么疑问可以加入“知识星球”一起讨论：深度学习实战答疑讨论（星球ID：49137329）。