内容简介 本书主要对算法的原理进行了介绍，并融合大量的应用案例，详细介绍使用机器学习模型的一般方法，帮助读者理解算法原理，学会模型设计。 本书首先介绍数据理解、数据的处理与特征，帮助读者认识数据；然后从宏观、系统的角度介绍机器学习算法分类、一般学习规则及机器学习的基础应用；接着根据项目研发的流程，详细介绍了模型选择和结构设计、目标函数设计、模型训练过程设计、模型效果的评估与验证、计算性能与模型加速；最后通过多个应用案例帮助读者加强对前面知识点的理解。 前言 写作背景 我多年前参加了“百度深度学习公开课·杭州站”的活动，当时做了一个主题为“深度学习模型设计经验分享”的演讲，现场效果非常好，后来萌发了写机器学习算法的想法。于是我将一些工作内容进行沉淀总结，便形成了本书。 本书内容 本书主要对算法的原理进行了介绍，并融合大量的应用案例，详细介绍使用机器学习模型的一般方法，帮助读者理解算法原理，学会模型设计。 本书首先介绍数据理解、数据的处理与特征，帮助读者认识数据；然后从宏观、系统的角度介绍机器学习算法分类、一般学习规则及机器学习的基础应用；接着根据项目研发的流程，详细介绍了模型选择和结构设计、目标函数设计、模型训练过程设计、模型效果的评估与验证、计算性能与模型加速；最后通过多个应用案例帮助读者加强对前面知识点的理解。 读者对象 ● 对数据分析、算法及机器学习领域感兴趣的开发者； ● 对人工智能产品、算法方案设计有不同层次需求的技术管理者； ● 软件工程或计算机相关专业的在校学生。 本书特色 本书紧密结合一线开发者的项目应用经验，对当前机器学习的各类算法原理进行了介绍，以方法论的形式连接原理和实践，指导读者设计机器学习模型。 本书结构 本书内容由浅入深，以宏观认识为基础，逐步深入算法体系、算法细节，全书共分为10章，具体内容如下。 第1章从宏观的角度介绍人工智能相关基础知识…