前言
目标
本书的目标是向初学者介绍基本的机器学习和深度学习概念与算法，旨在快速介绍机器学习和深度学习的各种“核心”特性，并提供大学课程中包含的代码示例。章节中的材料说明了如何使用Keras解决某些任务，之后你可以进一步阅读以加深知识。
本书还将为你节省搜索代码示例所需的时间，这是一个潜在的耗时过程。在任何情况下，如果你不确定能否理解这里介绍的内容，请浏览代码示例以了解复杂程度。
请记住下面这一点：阅读本书并不会让你成为机器学习或深度学习专家。
你能从本书中学到什么
第1章对人工智能进行了简短的介绍。第2章介绍了机器学习的概念（有监督和无监督学习）、任务类型（回归、分类和聚类）和线性回归。第3章专门介绍了分类算法，如kNN、朴素贝叶斯、决策树、随机森林和支持向量机。
第4章介绍了深度学习，并深入研究了卷积神经网络。第5章介绍了深度学习体系架构，例如RNN和LSTM。
第6章介绍了自然语言处理的各个方面，并提供了一些基本概念和算法，其后是强化学习和贝尔曼方程。附录A介绍了Keras，附录B介绍了TensorFlow 2.0，附录C介绍了pandas。
还有一点：尽管Jupyter比较流行，但是本书中的所有代码示例都是Python脚本。你可以通过各种在线教程快速学习Jupyter的有用功能。此外，完全在线的谷歌Colaboratory也值得关注，它基于Jupyter Notebook并提供了可以免费使用的图形处理器（Graphics Processing Unit，GPU）。
阅读本书需要多少Keras知识
如果你接触过Keras，这对阅读本书会有所帮助。如果完全没有接触过Keras，你可以阅读一下附录A。如果你还想了解Keras和逻辑斯谛回归，请参阅第3章中的示例。该例需要一些涉及激活函数、优化器和成本函数的理论知识，这些知识都将在第4章中进行讨论。
请记住，Keras已经很好地被集成到TensorFlow 2中（在tf.keras命名空间中），它提供了一个“纯TensorFlow”之上的抽象层，使你能够更快地搭建应用原型。
需要学习本书的理论部分吗
同样，答案取决于你计划在多大程度上参与机器学习。除了创建模型之外，你还将使用各种算法来查看究竟哪些模型提供了项目所需的精确度（或其他度量指标）。如果有所欠缺，机器学习的理论可以帮助你对模型和数据进行“取证”分析，并在理想情况下帮助你确定改进模型的方法。
代码示例的创建
本书中的代码示例是使用 Python 3 和 Keras 创建和测试的，Keras 内置在使用macOS 10.12.6操作系统的MacBook Pro上的TensorFlow 2中。代码示例主要来自作者的“深度学习和Keras”研究生课程。在某些情况下，有些代码示例包含了在线论坛中讨论的小段代码。考虑到本书的体量，书中的代码示例遵循的要点可以概括为“4 个C”，就是尽可能清晰（Clear）、简洁（Concise）、完整（Complete）、正确（Correct）。
本书的技术预备知识
你需要对Python有所了解，并且要知道如何从命令行启动Python代码（在Mac用户的类UNIX环境中）。此外，基础线性代数（向量和矩阵）、概率论/统计学（均值、中值、标准差）和微积分中的基本概念（如导数）将有助于你掌握材料。NumPy和matplotlib的一些知识也会有所帮助——本书假设你熟悉它们的基本功能（如NumPy数组）。
要想理解本书后半部分的代码示例，另一个先决条件也很重要：对神经网络要有一些了解，包括隐藏层和激活函数的概念（即使你没有完全理解它们）。交叉熵的知识对一些代码示例的理解也会有所帮助。
本书的非技术预备知识
尽管这个问题的答案更难量化，但有学习机器学习的强烈愿望，以及阅读和理解代码示例的动机和能力是非常重要的。
即使是简单的机器学习的应用程序接口（Application Programming Interface，API），初次接触时也可能是一个挑战，因此请准备好多次阅读代码示例。
如何设置命令shell
如果你是Mac用户，则可以通过两种方法进行操作。第一种方法是使用Finder导航到Applications→Utilities，然后双击“Utilities”应用程序。接下来，如果你已经打开了命令shell，则可以通过键入以下命令来启动新的命令shell：
open/Applications/Utilities/Terminal.appMac用户的另一种方法是从已经可见的命令shell，在MacBook Pro上打开新的命令shell。在一个命令shell中按下command + n快捷键即可启动另一个命令shell。
如果你是PC用户，则可以安装模拟bash命令的Cygwin，或使用其他工具包，例如MKS（一款商用产品）。请自行阅读描述下载和安装过程的在线文档。注意，自定义别名如果是在主启动文件以外的其他文件（例如.bash_login）中定义的，则不会被自动设置。
读完本书，下一步是什么
这个问题的答案千差万别，主要是因为答案在很大程度上取决于你的目标。最好的答案是：尝试一种书中的新工具或技术来解决你关心的问题，无论是专业的还是个人的。问题具体是什么取决于你是谁，因为数据科学家、经理、学生、开发人员的需求各有不同。此外，在应对新挑战时，请牢记所学内容。
O. 坎佩萨托
美国旧金山