简介
了解机器学习并掌握其核心概念。
这怎么可能？！
机器学习看起来简直像魔法。计算机怎么能识别图像中的物体？汽车怎么能自己驾驶？
这些成就令人难以置信，不仅对普通人如此，对许多软件开发者来说也是如此。即使已经写了好几年代码，很多开发者对机器学习仍不熟悉。
对大多数开发者而言，机器学习显得陌生而遥远。这个领域充斥着数学术语、科研惯例，坦白说，还有糟糕的代码。人们推荐的不是教程，而是讲座和研究论文。对我们许多人来说，机器学习既令人着迷，又令人生畏。
本课程是面向开发者的入门指南，用开发者熟悉的语言编写。学完本课程后，你将掌握机器学习的基础知识，并能够编写自己的机器学习程序。也许你还不能立刻造出一辆自动驾驶汽车，但至少你会明白机器学习是如何工作的。
关于本课程
机器学习是一个广阔的领域，一门课程无法涵盖全部内容。我们将聚焦当前最重要的三个方向：
- 监督学习
- 神经网络
- 深度学习
随着课程推进，我们会逐步深入这些概念。以下是一张图示和几个简要定义，帮助你快速入门：
第一部分：监督学习
监督学习 是机器学习的一种特定类型。机器学习有多种类型，而目前最流行的是监督学习。本课程的第一部分“从零实现图像识别”是一个动手实践的监督学习教程。在短短几章内，我们将编写一个极简的学习程序，并一步步改进它，最终将其发展为一种称为“感知机”的机器学习系统。我们的感知机将是一个真正的计算机视觉程序，足以识别手写字符。整个过程不依赖任何机器学习库，完全由我们亲手构建，每一行代码都清晰可懂。
第二部分：神经网络
实现监督学习的方法有很多，其中最受欢迎的是 神经网络。这是一种精巧的算法，灵感来源于人脑神经元之间的连接方式。本课程第二部分专注于神经网络。我们将把第一部分的程序逐步扩展成一个完整的神经网络。过程中会遇到一些挑战，但回报是巨大的：最终的神经网络将远比最初的简单程序强大得多。我们依然会逐行编写代码，让你彻底理解其内部机制。
第三部分：深度学习
近年来，研究人员提出了突破性的设计和使用神经网络的新方法，使神经网络取得了巨大进步。这种增强版的技术比早期的简单神经网络强大得多，因此获得了专属名称：深度学习。这也是本课程第三部分的标题。我们将使用现代机器学习库重写之前的神经网络。由此生成的代码将成为我们理解深度学习的核心基础。最后，在课程结尾，我们还会介绍几种先进的深度学习技术，为后续深入学习铺平道路。
事实上，现实情况并不像上图所示那样界限分明。例如，神经网络不仅可以用于监督学习，也能应用于其他机器学习领域。然而，上述结构仍是一个良好的起点，有助于你理解本课程涵盖的主题及其相互关系。