使用 PyTorch进行深度学习
用最少的代码学习 PyTorch 2.0 中的深度学习基础知识
深度学习是目前最有趣、最强大的机器学习技术。
PyTorch 是 Python 生态系统中主导的深度学习库之一，在研究领域得到广泛应用。有了 PyTorch，您只需几行代码即可轻松利用深度学习的强大功能。许多深度学习模型都是在 PyTorch 中创建的。因此，了解 PyTorch 将为您打开利用深度学习强大功能的大门。
这本电子书以您所熟悉的 Machine Learning Mastery 亲切风格编写，让您准确学习如何入门并将深度学习应用于您自己的机器学习项目。购买后，您将获得：
- 支持所有设备阅读：英文 PDF 格式电子书，无数字版权管理 (DRM)。
- 海量教程：28 章，342 页。
- 项目：7 个端到端项目
- 可运行代码：包含 212 个 Python (.py) 代码文件。
最终，将深度学习引入您的项目
心动了吗？
Vitali Coltuclu 默克公司（Merck）有机化学家
这本书太棒了！是我目前为止找到的展示如何在 Python 中使用深度学习的最佳资源。材料讲解得非常清晰，并附有大量示例。如果您想在实践中应用深度学习，我强烈推荐这本书。
为什么深度学习模型如此强大？
……秘诀在于“表示学习”
深度学习技术之所以如此强大，是因为它们在学习如何解决问题的同时，也学习了表示问题的最佳方式。
这被称为表示学习。
表示学习也许是深度学习模型和传统机器学习算法之间最大的区别。
正是表示学习的力量，激发了人们在使用这些技术的方式上展现出巨大的创造力。例如：
- 深度学习模型正被用于解决非常困难的问题并取得进展，例如根据场景中的上下文对图像和视频进行着色。
- 深度学习模型正以大胆的新方式被使用，例如，将一个为解决某个问题而训练好的网络“砍掉头部”，然后将其调整用于一个完全不同的问题，并取得了令人印象深刻的结果。
- 深度学习模型的组合正被用于识别照片中的物体，然后为这些物体生成文本描述，这是一个复杂的多媒体问题，以前人们认为这需要庞大的人工智能系统才能解决。
深度学习正当红，它正在不断产出成果，现在正是参与其中的时候。但您该从何处开始呢？
那么普通人该如何入门？
……不要走寻常路！
您该从哪里开始学习深度学习呢？
深度学习看起来是一个很难入门的领域。
而且在很多方面，它确实很难入门。难到许多人尝试后很快就放弃了。
为什么？
因为他们被告知，必须先精通一系列学术学科。
这是深度学习入门的错误方式
例如，对于“我该如何开始学习深度学习”这个问题，一个常见的回答可能是：
- 在统计学、概率论、线性代数、多元统计和微积分方面打下坚实的基础。
- 深入了解现代机器学习算法和技术。
- 学习并融会贯通每一种深度学习算法的数学理论以及一系列相关的使用技巧。
- 哦，如果还有时间，找一个库，开始将深度学习应用到您的问题上。
遵循这个建议可能需要十年或更长时间，而这样的十年延迟是您无法承受的。
这种方法大错特错
如果我当初听从了给新手开发者的建议（学习离散数学、从汇编语言开始等），我永远不会以软件开发为职业。
不要让同样的“第一性原理谬误”阻碍您追随对深度学习日益增长的兴趣和热情。
有一条更简单的道路，正适合您。换个思路。
为我们普通人打造的深度学习
……所以，这才是正确的方法
深度学习是您可以在机器学习项目中使用的工具。它不必是您需要钻研 gritty 细节的理论学术追求。
您可以通过选择一个顶级的深度学习库来开始深度学习，并着手开发模型。
一开始您不会理解所有的内部细节，但您会很快学会如何为各种机器学习问题开发和评估深度学习模型。并**开始交付价值**。哦，正如您可能猜到的那样，您可能永远不需要理解所有的内部细节就能获得出色的结果。
深度学习（乃至更广泛的机器学习）保存最好的秘密是，应用层面相当浅显。您不需要花费很长时间就能开始在自己的项目中熟练使用这些工具。
需要注意的是，您需要在流程方面带来一些严谨性，以确保结果的稳健性（例如，仔细设计测试框架），并确保您的解决方案适合您正在解决的问题（例如，仔细界定问题）。
那么，深度学习的最佳库有哪些呢？
使用 Python，
……并通过使用 PyTorch 将您的进步提升 1000%
应用深度学习入门的平台是 Python。
Python 是一种功能齐全的通用编程语言，与 R 和 Matlab 不同。它也比 C++ 和 Java 更易于编写和理解。
Python 中的科学计算生态系统成熟且发展迅速。该平台托管着诸如 scikit-learn 等通用机器学习库，可与您的深度学习模型一起使用。
由于 Python 生态系统的这些优势，Facebook 开发了 PyTorch 库。PyTorch 是一个张量计算库。它可以处理变量和操作。但同时，它的神经网络子模块提供了一个高级接口，让您可以专注于深度学习模型设计。它面向有兴趣创建和评估深度学习模型的机器学习实践者。它是经过时间和实践检验的。由于您可以快速开发模型以及其基于的数值强大功能，它无疑是入门深度学习的最佳库。
通过为已充分理解的问题构建深度学习模型来快速学习
……并建立一个您可以利用的脚本库
掌握深度学习并高效地为自己的机器学习问题开发模型的最快方法是实践。
您可以使用基于教程的方法来学习不同神经网络模型的基础知识，并感受 PyTorch 库的功能。
很快，您就可以开始整合这些知识，并着手处理更大、更完整、更复杂的深度学习项目。
这种方法之所以快速有效，原因有三：
- 您是在实际编写代码和开发深度学习模型，而不是阅读相关资料或研究理论。
- 每个完成的小项目都为进一步研究或转向新问题提供了一个可行的基础。
- 您会积累一个包含深度学习模型和库 API 的可用代码目录，您可以随时查阅并快速地将其组合应用到新项目中。
您可以使用这种方法，通过 PyTorch 库快速掌握 Python 中的应用深度学习，并开始使用深度学习解决您自己的预测建模问题。
这也是您可以在我的新电子书《PyTorch 深度学习》中遵循的方法。
介绍“PyTorch 深度学习”
……您通往应用深度学习的门票
本书旨在帮助您作为一名开发人员，使用著名的 PyTorch 库，快速掌握 Python 中的应用深度学习。
这本电子书由课程和项目组成，并始终采用循序渐进的教程方法。
目标是让您尽快使用 PyTorch 创建您的第一个神经网络，然后指导您了解开发更深层模型以及用于计算机视觉和自然语言问题的模型的更精细之处。
这本电子书是您在自己的机器学习项目中开发和评估深度学习模型的指南。
让我们仔细看看您将在这本电子书中发现的内容。
您需要了解的在 Python 中开发深度学习模型的一切
您将获得
22 节关于深度学习、PyTorch 及更多内容的课程
6 个将所有内容联系起来的项目教程
这本电子书围绕两个主题编写，旨在让您快速有效地入门并使用深度学习。
这两个部分是课程和项目
- 课程：学习深度学习模型开发的一些片段，以及应用深度学习的子任务如何映射到 PyTorch 库，以及完成每个任务的最佳实践方法。
- 项目：通过解决案例研究中的预测建模问题，将课程中学到的所有知识融会贯通。
1. 课程
以下是您将完成的循序渐进课程的概述：
- 第 1 章：深度学习库概览
- 第 2 章：PyTorch 简介
- 第 3 章：在 PyTorch 中操作张量
- 第 4 章：在 PyTorch 中使用 Autograd 解决回归问题
- 第 5 章：深度学习速成课
- 第 6 章：PyTorch 中的多层感知器构建块
- 第 7 章：在 PyTorch 中逐步构建您的第一个神经网络
- 第 8 章：为您的模型创建训练循环
- 第 9 章：评估 PyTorch 模型
- 第 13 章：保存和加载您的 PyTorch 模型
- 第 14 章：在深度学习模型中使用激活函数
- 第 15 章：PyTorch 模型中的损失函数
- 第 16 章：在 PyTorch 模型中使用 Dropout 正则化
- 第 17 章：在 PyTorch 训练中使用学习率调度
- 第 18 章：使用 DataLoader 和 Dataset 训练 PyTorch 模型
- 第 19 章：将 PyTorch 深度学习模型与 scikit-learn 结合使用
- 第 20 章：使用网格搜索优化超参数
- 第 21 章：使用检查点和提前停止管理训练过程
- 第 22 章：可视化 PyTorch 模型
- 第 23 章：通过可视化指标理解训练期间的模型行为
- 第 24 章：从 MLP 到 CNN 和 RNN
- 第 25 章：在 PyTorch 中构建卷积神经网络
每节课程都旨在让普通开发人员在大约 30 到 40 分钟内完成。
2. 项目
以下是您将完成的 6 个端到端项目概述
- 第 10 章：项目：在 PyTorch 中构建多类别分类模型
- 第 11 章：项目：在 PyTorch 中构建二元分类模型
- 第 12 章：项目：在 PyTorch 中构建回归模型
- 第 26 章：在 PyTorch 中使用 LeNet5 模型进行手写数字识别
- 第 27 章：在 PyTorch 中使用 LSTM 进行时间序列预测
- 第 28 章：在 PyTorch 中使用 LSTM 生成文本
每个项目都设计为普通开发者在大约 60 分钟内完成。
您将获得所有这些…
在 PyTorch 深度学习中
动手教程和项目
一份包含您所需一切的数字下载包，包括：
- 清晰的算法描述，帮助您理解每种技术背后的原理。
- 循序渐进的深度学习教程，向您展示如何应用每种方法。
- 端到端的深度学习项目，向您展示如何将各个部分整合起来并获得结果。
- 书中每个示例都配有 Python 源代码配方，让您可以在几秒钟内运行教程和项目代码。
- PDF 格式的数字电子书，这样您可以将书与代码并排打开，确切地看到每个示例如何工作。
在您需要时，用于深入学习的资源，包括：
- 顶尖的机器学习教科书，用以加深您在人工神经网络和深度学习方面的基础，如果您渴望更多知识。
- 在线上可以提出您具有挑战性问题并真正得到回应的最佳平台。
您进行应用深度学习所需的基础和根基，包括：
- 开发者专用的最佳深度学习库 PyTorch。
- 在亚马逊云服务上开发深度学习模型，以每小时不到 1 美元的价格利用 GPU 硬件的速度。
作为深度学习基础的多层感知机网络，包括：
- 在实践中使用多层人工神经网络所需的基础知识。
- 使用 PyTorch 在几分钟内开发您的第一个神经网络的 6 步过程。
- 您可以用来评估神经网络性能的 3 种方法，其中一种能提供最稳健的估计。
- 在使用 PyTorch 开发神经网络时可利用 scikit-learn 的 2 个最佳功能，以及一个可为您节省数小时的功能。
- 3 个端到端项目，向您展示如何使用多层感知机网络解决预测建模问题。
MLP、CNN 和 RNN
开发多层感知机时使用的高级技术，包括：
- 如何将您的网络模型保存到文件中，以便您以后重复使用
- 简单的检查点方法，确保您的多天运行中途崩溃时结果不会丢失。
- 您可以用来检查深度学习模型是否对问题过度学习或学习不足的简单可视化技术。
- 您可以用来减少过拟合的简单而巧妙的技术。
- 如何在训练时动态更改学习率，从而提高性能。
用于计算机视觉任务的卷积神经网络，包括：
- 在实践中使用卷积神经网络所需的基础知识，如其结构和学习方法。
- 照片中的物体识别问题以及如何使用规模不断增大的卷积神经网络来解决它。
- 手写数字识别问题以及如何使用卷积神经网络来解决它。
用于学习复杂序列的循环神经网络，包括：
- 在实践中使用循环神经网络所需的基础知识，包括其结构和最流行的类型。
- LSTM 循环神经网络以及它可以用来建模时间序列预测问题的 5 种方式。
- 由一个在整本书上训练的 LSTM 网络为《爱丽丝梦游仙境》创作新句子。
您还需要什么？
抢先看电子书内容
附赠：深度学习代码配方
……您还将获得 212个完全可运行的深度学习脚本
书中展示的每个配方都是独立的，这意味着您可以将其复制粘贴到您的项目中并立即使用。
- 您将为书中提供的每个示例获得一个 Python 脚本（.py）。
- 您将获得书中使用的所有数据集。
您的深度学习代码配方库涵盖以下主题：
- 训练循环
- 数据集 (Dataset)
- 数据准备
- 评估 (Evaluation)
- 学习率 (Learning Rate)
- MLP 项目
- MNIST 数据集
- 正则化 (Regularization)
- Scikit-Learn
- 序列化 (Serialization)
- 时间序列预测
- LSTM 有状态循环网络
- 文本生成
这意味着您可以跟着操作，并将您的答案与所提供的 Python 文件中每个算法的已知可用实现进行比较。
这在您处理特定任务的细节时，能极大地帮助您加快进度。
关于作者
你好，我是 Jason Brownlee。我经营这个网站，并且我撰写和出版了这本书。
我和我的妻子及儿子们住在澳大利亚。我喜欢读书、写教程和开发系统。
我拥有计算机科学和软件工程背景，以及人工智能专业的硕士和博士学位，主攻随机优化。
我写过关于算法的书籍，在比赛中获胜并排名靠前，为初创公司提供咨询，并在业界工作多年。（是的，我花了很多时间构建和维护真正的运营系统！）
帮助开发者入门并精通应用机器学习，这让我感到非常满足。
我采用一种非传统的自上而下、结果优先的机器学习教学方法，我们从实践教程和问题开始，然后在需要时再深入理论。
如果您有任何问题，我随时乐意帮助。我希望您能在机器学习领域变得出色。
下载您的样章
想更详细地了解这本书吗？下载免费的试读章节 PDF。
输入您的电子邮件地址，样章将发送到您的收件箱。
看看客户们怎么说
Jack Neto The Working Group, Inc 合伙人
这本书非常实用，有很多代码示例，目的是让你快速入门。它跳过了机器学习的数学方面，这很有用，因为它用实践性的术语解释了机器学习的概念，而不会陷入数学的泥潭。
我是一名软件开发人员，我一直在向我的开发者朋友们推荐这本书，帮助他们克服障碍，开始在现实世界中将机器学习用于实际应用。
Russ Boucher 数据科学家 | 机器学习爱好者
我认为这是 Jason 目前为止最好的书。我没有任何先前的深度学习经验，对 Python 也不太熟悉，但在一个周末的时间里，我能够开发并训练一个卷积神经网络，在著名的 MNIST 手写数字识别任务上实现了 0.8% 的错误率（最佳水平是 0.23%）。如果您在努力跟上深度学习的步伐，这本书是一个很好的入门方式。强烈推荐。
在选择 Machine Learning Mastery 的路上，您并不孤单
受到超过 53,938 名从业者的信赖
...包括来自以下公司的员工
...以及来自以下大学的学生和教职员工
以及成千上万的其他人...
绝对没有风险，因为有...
100% 退款保证
此外，正如您对市场上任何优秀产品的期望一样，每一本 Machine Learning Mastery 的电子书
都附带了信心的最大保证：我的黄金标准 100% 退款保证。
100% 退款保证
如果您对购买的任何一本 Machine Learning Mastery 电子书不满意，
只需在购买后 90 天内给我发邮件，我将立即退款给您。
无需等待。不问任何问题。没有风险。
今天就开始学习深度学习
选择您的套餐
所有价格均为美元（USD）。
（1）点击按钮。 （2）输入您的信息。 （3）立即下载。
采用 SSL 加密的安全支付处理
您有任何问题吗？
机器学习技能值多少钱？
你的老板问你：
“嘿，你能为这个建立一个预测模型吗？”
想象一下，你拥有技能和信心去说：
“好的！”
...并付诸行动。
我经历过。 那感觉太棒了！
这对你来说价值多少？
行业对机器学习技能的需求日益增长。
市场需要的是能交付成果的人，而不是写学术论文的人。
企业知道这些技能的价值，并支付天价的起薪。
数据科学家的起薪为
10 万美元到 15 万美元。
机器学习工程师的薪水甚至更高。
你还有哪些选择？
你已经走到了这一步。
你准备好采取行动了。
但是，你还有哪些选择？有哪些选项？
(1) 一本 100 美元以上的理论教科书
...它枯燥乏味，充满了数学，你很可能永远也读不完。
(2) 一个 10,000 美元以上的现场训练营
...那里都是年轻人，你必须出差，而且可能需要几个月的时间。
(3) 一个 100,000 美元以上的高等学位
...它很昂贵，需要数年时间，而且你会成为一名学者。
或者...
为了你获得的实践技能...
为了你看到的成果速度...
为了你支付的低廉价格...
Machine Learning Mastery 电子书是
超值的选择！
而且它们确实有效。这就是我提供退款保证的原因。
你是一名专业人士
这个领域发展迅速，
...你还能等多久？
你以为你有的是时间，但是...
- 新方法不断涌现，算法也在变化。
- 新书不断出版，价格也在上涨。
- 新的毕业生不断涌现，职位也被填补。
现在就是开始的最佳时机。
自下而上的学习方式缓慢而令人沮丧，
...难道你不想找到一条更快的路吗？
你真的能再这样日复一日、周复一周、月复一月地...
- 从不完整的帖子中拼凑想法和代码。
- 从简短的视频中浏览理论和见解。
- 从学术教科书中解析希腊字母。
针对性训练是你通往成果的最短路径。
专业人士始终保持在领域前沿
获取你需要的培训！
你不想落后或错过机会。
常见问题
客户问题 (78)
感谢您的兴趣。
抱歉，我不支持我的书籍的第三方经销商（例如在其他书店转售）。
我的书是自出版的，我将我的网站视为一个小型精品店，专门为那些对应用机器学习深感兴趣的开发者服务。
因此，我更喜欢自己控制书籍的销售和营销。
很抱歉，我不支持在捆绑包内更换书籍。
所提供捆绑包中的书籍组合是固定的。
我的电子商务系统不够先进，不支持临时捆绑。我相信您能理解。您可以在这里查看完整的书籍和捆绑包目录
如果您已经购买了一个捆绑包，并希望更换其中的一本书，那么非常抱歉，我不支持换书或部分退款。
如果您不满意，请直接联系我，我可以为您安排退款。
感谢您的兴趣。
很抱歉，我无法为您创建定制的书籍捆绑包。这会给我带来维护上的噩梦。我相信您能理解。
我的电子商务系统不是很先进。它不支持临时捆绑书籍或点菜式订购书籍。
我确实有一些现有的书籍捆绑包，我认为它们搭配得很好。
您可以在这里查看我所有可用的书籍和捆绑包目录
抱歉，我不销售我的书的实体版。
所有的书籍和捆绑包都是 PDF 文件格式的电子书。
这是我经过深思熟虑后有意为之的决定
- 这些书充满了必须在电脑上完成的教程。
- 这些书假定您正在实践教程，而不是被动阅读。
- 这些书旨在在电脑屏幕上阅读，旁边放着代码编辑器。
- 这些书是实践手册，而不是用作参考书放在书架上。
- 这些书会频繁更新，以跟上领域和 API 的变化。
我希望这解释了我的理由。
如果您真的想要实体版，您可以购买书籍或捆绑包，并为个人使用打印一份。PDF 文件上没有数字版权管理（DRM）来阻止您打印它们。
抱歉，我不提供 Kindle (mobi) 或 ePub 版本的书籍。
这些书仅以 PDF 文件格式提供。
这是我经过深思熟虑的设计。我的理由如下：
- 我使用 LaTeX 来排版文本和代码，以提供专业的外观，我担心电子书阅读器会搞砸这一点。
- 增加支持的格式会带来维护上的麻烦，这将占用大量时间，影响我更新书籍和创作新书。
- 最关键的是，在电子阅读器或 iPad 上阅读与选择 PDF 格式所支持的书籍与代码编辑器并排打开的方法背道而驰。
我的材料是实践手册，旨在在电脑上打开，旁边放着文本编辑器和命令行。
它们不是离开电脑阅读的教科书。
您可以查看任何一本书的目录。
我在每本书的页面上都提供了两份目录。
具体来说：
- 一份书面摘要，列出了书中的教程/课程及其顺序。
- 一份从 PDF 中截取的目录截图。
如果您找不到目录，请在页面上搜索标题为“目录”的部分。
我很高兴您在开发自己的课程材料时使用我的部分材料，例如课堂讲座的幻灯片或家庭作业练习。
如果您免费分享我的材料或逐字使用，我会不高兴。这将构成版权侵犯。
我网站上和我书中的所有代码都是为教育目的而开发和提供的。我对代码、它可能做什么或您可能如何使用它不承担任何责任。
如果您使用我的材料进行教学，请引用来源，包括：
- 作者姓名，例如“Jason Brownlee”。
- 教程或书籍的标题。
- 网站名称，例如“Machine Learning Mastery”。
- 教程或书籍的 URL。
- 您访问或复制该代码的日期。
例如
- Jason Brownlee, Python 机器学习算法, Machine Learning Mastery, 网址：https://machinelearning.org.cn/machine-learning-with-python/, 访问于 2018 年 4 月 15 日。
另外，如果您的作品是公开的，请联系我，我很乐意出于一般兴趣看看它。
通常不提供。
我的书中没有练习或作业。
我确实在一些书中有端到端的项目，但它们是以教程形式呈现的，我会引导您完成每一步。
书的章节是作为独立的教程编写的，有特定的学习成果。在教程结束时，您将学会如何做某件事。
有些书有一个名为“扩展”的部分，提供了一些以更高级的方式修改教程中代码的想法。它们就像自学练习。
不行。
我有一些书不需要任何编程技能，例如：
其他书籍确实有特定编程语言的代码示例。
您必须了解该编程语言的基础知识，例如如何安装环境以及如何编写简单的程序。我不教编程，我教的是面向开发者的机器学习。
您不需要是一个好的程序员。
话虽如此，我确实为那些可能不熟悉特定语言的开发者提供了关于如何高效设置环境的教程，甚至还有编程语言的速成课程。
抱歉，我没有视频。
我只有文本格式的教程课程和项目。
这是有意为之。我曾经有过视频内容，但我发现完成率要低得多。
我希望您能将材料付诸实践。我发现基于文本的教程是实现这一目标的最佳方式。通过基于文本的教程，您必须阅读、实现并运行代码。
而通过视频，您只是被动观看，不需要采取任何行动。视频是娱乐或信息娱乐，而不是富有成效的学习和工作。
在阅读并实践教程之后，您更有可能运用所学知识。
是的，我提供 90 天无理由退款保证。
我为我的书负责。它们包含了我对特定机器学习主题的最佳知识，并且每本书都经过数万名读者的阅读、测试和使用。
尽管如此，如果您发现我的某本电子书不适合您，我会全额退款。
是的。
我建议使用在 TensorFlow 2.2（或更高版本）上运行的独立 Keras 2.4（或更高版本）。
博客上的所有教程都已更新，使用在 Tensorflow 2 上运行的独立 Keras。
所有书籍都已更新，使用相同的组合。
我还不推荐使用作为 TensorFlow 2 一部分的 Keras（例如 tf.keras）。它太新了，新事物总有问题，我正在等待尘埃落定。独立 Keras 已经运行多年，并且继续表现出色。
有一个教程案例不支持 TensorFlow 2，因为这些教程使用了尚未更新以支持 TensorFlow 2 的第三方库。具体来说，是使用 Mask-RCNN 进行对象识别的教程。一旦第三方库更新，这些教程也会随之更新。
本书《Python 长短期记忆网络》不侧重于时间序列预测，而是侧重于适用于一系列序列预测问题的 LSTM 方法。
本书《用于时间序列预测的深度学习》向您展示了如何为单变量、多变量和多步时间序列预测问题开发 MLP、CNN 和 LSTM 模型。
迷你课程是关于一系列机器学习主题的免费课程，通过电子邮件、PDF 和博客文章提供。
迷你课程的特点是：
- 简短，通常为 7 天或 14 天。
- 简洁，通常每节课给出一个技巧或代码片段。
- 有限，通常范围较窄，仅限于几个相关领域。
电子书则在许多相同主题上提供完整的培训课程。
电子书的特点是：
- 更长，通常包含 25+ 个完整的教程课程，每个课程最多需要一小时完成。
- 完整，为每个课程提供温和的介绍，并包括完整的可用代码和进一步阅读材料。
- 广泛，涵盖了该主题所需的所有内容，以便快速上手并将技术应用到您自己的项目中。
迷你课程旨在让您快速获得结果。如果您想了解更多信息或更完整的代码示例，可以购买相关的电子书。
本书《精通机器学习算法》适合程序员和非程序员。它通过算术和电子表格中的示例（而非代码）教您 10 种顶级机器学习算法的工作原理。重点在于理解每个模型如何学习和进行预测。
本书《从零开始的机器学习算法》适合通过编写代码来学习的程序员。它提供了分步教程，介绍如何实现顶级算法，以及如何加载数据、评估模型等。它对算法工作原理的介绍较少，而是完全专注于如何在代码中实现它们。
这两本书可以相互补充。
这些书是我博客内容的浓缩和更便捷的版本。
我将我的书设计成课程和项目的结合体，教您如何使用特定的机器学习工具或库，然后将其应用于真实的预测建模问题。
这些书会进行更新，包括错误修复、API 变更的更新以及新章节的增加，这些更新是完全免费的。
我确实会将一些书的章节作为示例发布在博客上，但它们与周围的章节或书提供的叙事没有联系，也不提供独立的代码文件。
每本书都附带了书中使用的所有源代码文件，您可以将它们用作配方来快速启动您自己的预测建模问题。
我的书是实践手册，不是教科书。
它们没有深入的理论解释，只有可行的例子，这些例子高度专注于您需要知道的信息，以便将机器学习应用到您的项目中。
几乎没有数学，没有理论或推导。
我的读者非常欣赏我材料中使用的自上而下而非自下而上的方法。这是我收到反馈最多的一个方面。
我的书并不适合所有人，它们是为需要快速获得结果的从业者精心设计的。
电子书可以直接从我的网站上购买。
- 首先，找到您希望购买的书籍或捆绑包，您可以在这里查看完整的目录
- 点击您想购买的书籍或捆绑包，进入该书的详情页面。
- 点击书籍或捆绑包的“立即购买”按钮，进入购物车页面。
- 在购物车中填写您的详细信息和支付信息，然后点击“下单”按钮。
- 完成购买后，您将收到一封包含下载您的书籍或捆绑包链接的电子邮件。
所有价格均为美元（USD）。
书籍可以通过 PayPal 或信用卡购买。
Machine Learning Mastery 上的所有价格均为美元。
可以使用支持国际支付的 PayPal 或信用卡进行支付（例如，大多数信用卡都支持）。
您不必明确地将您的货币兑换成美元。
当您使用 PayPal 或信用卡付款时，货币转换会自动进行。
要在购物时使用折扣码，也称为优惠码或折扣券，请按照以下步骤操作：
1. 在结账页面的“折扣券”字段中输入折扣码文本。
注意，如果您在结账页面上没有看到名为“折扣券”的字段，则表示该产品不支持折扣。
2. 点击“应用”按钮。
3. 然后您会看到一条消息，表明折扣已成功应用于您的订单。
注意，如果您使用的折扣码已失效，您会看到一条消息，表明折扣未能成功应用于您的订单。
你应该按什么顺序读这些书？
这是一个很好的问题，我最好的建议如下：
- 考虑从一本您最感兴趣的主题的书开始。
- 考虑从一本您可以立即应用到项目上的主题的书开始。
另外，请考虑您不需要阅读所有的书，也许一部分书就能让您获得您需要或想要的技能。
尽管如此，一个建议的阅读顺序如下：
-
- 机器学习概率
- 机器学习的统计方法
- 机器学习线性代数
- 机器学习优化
- 机器学习微积分
- 数据科学入门指南
- 精通机器学习算法
- 从零开始实现机器学习算法
- 用于机器学习的 Python
- 使用 Weka 精通机器学习
- 精通 Python 机器学习
- 精通 R 语言机器学习
- 新一代数据科学
- 机器学习数据准备
- 使用 Python 处理不平衡分类问题
- 使用 Python 进行时间序列预测
- 使用 Python 实现集成学习算法
- 使用 Python 实现 XGBoost
- 使用 Python 进行深度学习
- 使用 PyTorch进行深度学习
- 使用 Python 构建长短期记忆网络
- 用于自然语言处理的深度学习
- 使用 Hugging Face Transformers 进行自然语言处理
- 用于计算机视觉的深度学习
- OpenCV 中的机器学习
- 用于时间序列预测的深度学习
- 更好的深度学习
- 使用 Python 构建生成对抗网络
- 使用注意力机制构建 Transformer 模型
- 使用 ChatGPT 提高生产力（这本书可以按任何顺序阅读）
- 使用 Stable Diffusion 精通数字艺术（这本书可以按任何顺序阅读）
希望这能有所帮助。
我最好的建议是，从一本您可以立即应用的主题的书开始。
除此之外，选择一个您最感兴趣的主题。
如果您不确定，或许可以尝试学习一些免费教程，看看您倾向于哪个领域。
通常，我建议专注于端到端地解决预测建模问题的整个过程。
我有三本书，通过三个顶级的开源平台，向您展示如何做到这一点。
- 精通Weka机器学习 (无需编程)
- 精通R语言机器学习 (使用caret)
- 精通Python机器学习 (使用pandas和scikit-learn)
这些都是很好的入门选择。
您随时可以回过头来，选择一本关于算法的书，以便更深入地了解特定方法的工作原理。
《Python深度学习》这本书可以看作是《Python长短期记忆网络》的预备知识。它教您如何开始使用Keras，以及如何开发您的第一个MLP、CNN和LSTM。
《Python长短期记忆网络》这本书深入探讨了LSTM，教您如何准备数据、如何开发一系列不同的LSTM架构、参数调整、更新模型等等。
这两本书都专注于使用Keras库在Python中进行深度学习。
《Python长短期记忆网络》这本书主要关注如何为序列预测开发一系列不同的LSTM网络。
本书《用于时间序列预测的深度学习》侧重于如何使用一系列不同的深度学习模型（MLP、CNN、LSTM 和混合模型）来解决一系列不同的时间序列预测问题（单变量、多变量、多步预测和组合）。
LSTM这本书只教LSTM，不侧重于时间序列。而时间序列深度学习这本书则侧重于时间序列，并教授如何使用包括LSTM在内的多种不同模型。
《Python长短期记忆网络》这本书专注于如何实现不同类型的LSTM模型。
《自然语言处理深度学习》这本书专注于如何使用包括LSTM在内的多种不同网络来解决文本预测问题。
LSTM这本书可以为NLP这本书提供支持，但它不是必需的预备知识。
您可能需要“Machine Learning Mastery”公司的企业或公司税号用于您自己的税务目的。例如，这在欧盟公司中很常见。
Machine Learning Mastery 公司在波多黎各运营。
因此，公司没有欧盟的增值税（VAT）识别号或适用于您所在国家或地区的类似税号。
公司确实有一个公司编号。详细信息如下：
- 公司名称：Zeus LLC
- 公司编号: 421867-1511
在《精通机器学习算法》中没有代码示例，因此没有使用任何编程语言。
书中通过基本算术描述算法并总结其工作原理。算法的行为也在Excel电子表格中进行了演示，这些表格随书提供。
这是一本学习算法工作原理的绝佳书籍，不会被理论或编程语法所分心。
如果您有兴趣通过从头开始编码（使用Python编程语言）来学习机器学习算法，我推荐另一本书：
所有的书都经过测试，可以与Python 3（例如3.5或3.6）一起使用。
大多数书籍也经过测试，可以与Python 2.7一起使用。
在可能的情况下，我建议使用最新版本的Python 3。
我确实会先在博客上测试我的教程和项目。这就像是创意的早期体验，其中许多并没有进入我的培训材料。
书中的大部分材料最初都以某种形式出现在我的博客上，后来经过提炼、改进并以章节格式重新包装。我发现这对于提高质量和修复错误有很大帮助。
书籍提供了更方便的材料包装，包括源代码、数据集和PDF格式。它们还包括对新API的更新、新章节、错误和拼写修正，以及直接与我联系以获得我能提供的所有支持和帮助。
我相信我的书以几十美元的价格提供了价值数千美元的教育。
它们是我数月甚至数年经验的结晶，浓缩在几百页精心制作且经过充分测试的教程中。
我认为对于希望快速掌握应用机器学习技能或在项目中使用机器学习的专业开发人员来说，它们是物超所值的。
此外，机器学习技能对您、对您的下一个项目、以及对您当前或未来的雇主价值几何？
尽管如此，如果您是学生，或者您不习惯北美、澳大利亚、英国及世界类似地区开发人员的高薪，我的书的价格可能看起来很贵。对此，我感到抱歉。
折扣
我确实为学生、教师和退休人员提供折扣。
请联系我了解更多信息。
免费资料
我在我的博客上提供了大量免费内容，您可以在这里开始学习我最好的免费资料：
关于我的书籍
我的书是实战手册。
它们是为那些想知道如何使用特定库来实际解决问题并在工作中交付价值的开发人员准备的。
- 我的书只引导您了解那些为了取得成果而必须知道的要素。
- 我的书是PDF格式，并附带代码和数据集，专为方便您在电脑上阅读和实践而设计。
- 我的书让您可以通过电子邮件直接联系到我（还有哪些书能提供这个？）。
- 对于专业开发人员来说，我的书是一笔微小的业务开销，可以记入公司账目，并且在大多数地区可以抵税。
很少有机器学习培训材料专注于如何取得成果。
绝大多数资料都在重复同样的数学和理论，却忽略了您真正关心的一件事：如何在项目中使用这些方法。
与其他选项的比较
让我为您提供一些关于书籍定价的背景信息：
YouTube上有免费视频，博客上有免费教程。
- 很好，我鼓励您使用它们，包括我自己的免费教程。
有一些非常便宜的视频课程，教您一两个API的技巧。
- 我的书教您如何使用一个库来端到端地完成一个项目并交付价值，而不仅仅是几个技巧。
一本机器学习教科书可能要花费50到100美元。
- 我所有的书都比一般的机器学习教科书便宜，而且我期望您能更快地提高生产力。
一个训练营或其他线下培训可能花费1000多美元，并持续数天到数周。
- 我所有书籍的捆绑包比这便宜得多，它们允许您按自己的节奏学习，并且捆绑包涵盖的内容比一般训练营更多。
抱歉，我的书不在像Amazon.com这样的网站上销售。
出于多种原因，我慎重决定不把我的书放在亚马逊上：
- 亚马逊会从自出版书籍的销售价格中抽取65%，这会让我无法经营下去。
- 亚马逊对销售页面和购物车体验的控制权很小。
- 亚马逊不允许我通过电子邮件联系我的客户，并提供直接支持和更新。
- 亚马逊不允许我以PDF格式向客户交付我的书，而PDF是我的客户在屏幕上阅读的首选格式。
我希望这能帮助您理解我的理由。
我免费赠送了很多内容。事实上，是大部分内容。
帮助经济不宽裕的学生和从业者对我来说很重要，因此我提供了大量的免费内容。
您可以通过以下方式获取免费内容：
我对此进行了深思熟虑，我销售机器学习电子书有几个重要原因：
- 我用收入来支持网站和所有非付费用户。
- 我用收入来养家糊口，以便我能继续创作内容。
- 为教程付费的从业者更有可能认真学习并学到东西。
- 我的书目标读者是更有可能负担得起这些材料的职业人士。
是的。
您购买的书籍或捆绑包中的所有书籍更新都是免费的。
书籍通常每隔几个月更新一次，以修复错误、拼写问题并跟上API的变化。
随时联系我，查询是否有更新。请告诉我您拥有的书籍版本（版本号列在版权页上）。
是的，这些书可以帮助您找到工作，但只是间接的。
找到工作取决于您自己。
这是一个寻找职位空缺的组织与拥有技能和背景的您之间的匹配问题。
话虽如此，有些公司更看重您能为业务带来的价值，而不是您的学位。通常，这些是较小的公司和初创企业。
您可以通过学习并精通端到端解决预测建模问题来专注于提供机器学习价值。您可以通过建立一个已完成项目的机器学习作品集来展示这项技能。
我的书正是为了帮助您实现这些目标而设计的。它们准确地教您如何使用开源工具和库在预测建模项目中取得成果。
您还有其他问题吗？
请联系我.