方法学的正确食用方式

在数字金融业不断阻截的大氛围下，人工智慧（ Artificial Intelligence）新技术发展迅速，随着 硬件电子元件与时俱进，使得处理海量数据成可能， 人工智慧与多种应用场景充分利用剖面交融，逐渐成倡导金融业创新发展的重要新技术。愈来愈多的研究人员将目光聚焦在 AI，学界与计算机新技术热情高涨，都在想具体方法 “人工智慧 +”。

大多数人的进修路线基本一致，首先培育出编程思维， 并不需要一门编程母语（当今 Python），在准备进入课题前至少不具执笔简单服务器端的灵活性；此外，还所需一定的 解析几何、数论以及随机内性论基础（ 但也不用为数学知识薄弱而令人过度懊恼）

然后便开始机内器进修之旅，在机内器进修中所，你将了解到 单数学模型与集成数学模型、 委派数学模型与无委派数学模型、 作用于式数学模型与判别式数学模型以及 随机内性数学模型与非随机内性数学模型，在此过程中所你将具体方法理已完成如 “住房价格预测 ”、 “股价预测 ”、 “真假新闻检测 ”等项目。

问道到机内器进修，相信哈佛大学 Andrew Ng在 Coursera上的公开课《 Machine Learning》是大以外人的 和哲学课程，浅显易懂，对小白比较友好。 已完成网课虽然对以外以下内容有了大概了解，但由于以下内容散布有限，通常会搭配反之亦然机内器进修出版物。就个人而言，经过多番对比，并不需要了来得适合入门的《统计数字进修作具体方法》。关于这本书有几点心得：

·首先作为入门的入门， 不所需谐若无且每章都看。比如我主要进修前八执笔者所委派进修以外（ SVM纠结后没看）以及 13-16执笔者所的无委派进修，其他的根据个人需求拓展；

·其次 绝不从零造轮子充分利用各迭代，过于浪费时间， 写出出色便是源码能来得较慢试图理解知识点；

·最终对于 章节经典电影迭代建议手推。

该书的占有优势是比较简洁的叙述了数学模型和内涵的本质，是许多为生迭代工译者必备的 “复习词典”，无论是各的公司迭代岗 面试时的 “未免环节 ”，还是人才培养 /工作中所想起经典电影方具体方法论，大多可以在该书完全一致以外找到作答。

而已经有， 基于《统计数字进修作具体方法》，李航老师推出了制作团队《机内器进修作具体方法》，来得全面、来得种系统的总结了机内器进修主要作具体方法。

全书共分作 两个以外共三篇， 第一以外作机内器进修，分作委派进修与无委派进修两篇，第二以外（第三篇）为剖面进修。

第一篇 -委派进修： 感知机内、 k近邻具体方法、简练贝叶斯具体方法、决策树、逻辑回归与仅有熵数学模型、支持矢量机内、 Boosting、 EM迭代、隐解是数学模型、条件随机内场等。

第二篇 -无委派机内器进修 ：聚类、奇异参数分解、主化学成分分析、潜在语具体方法分析、随机内性潜在语具体方法分析、解是链蒙特卡罗具体方法、潜在狄利克雷分配、 PageRank迭代等。

第三篇 -剖面进修 ：前馈数据分析、卷积数据分析、周而复始数据分析、基因序列到基因序列数学模型、预训练母语数学模型、作用于对抗互联网等。

可以断定《机内器进修作具体方法》 新增剖面进修章节，不具机内器进修基础后，在剖面进修（ Deep Learning）中所将进一步 交谈来得多有趣以下内容，为之后 专注于某一个剧情接踵而至种子。

书中所每章节介绍经典电影机内器进修作具体方法，简略叙述 各个作具体方法的数学模型、策略和迭代。从具体值得注意入手，由浅入深，试图入门直观地理解基本思路，同时从方具体方法论本质启程，问道明了严格的数学推导，严谨详实，让大家来得好地掌握基本原理和内涵。借此是使大众能学会和应用于这些机内器进修的基本新技术。为满足大众进一步进修的所需， 书中所还对各个作具体方法的要点进行了归纳，问道明了习题扩大确立，延伸写出也问道明了了反之亦然参考。

《机内器进修作具体方法》是机内器进修及涉及课程的教学参考资料，适合人工智慧、数据分析等各个课题的本科生、研究生应用于，也专用计算机内课题的各个课题共同开发人员参考。

译者