在介绍这些实战案例的时候,本书城市从第一步入手,那就是从数据集的获取开始,然后就是数据预措置,再就是训练模型和模型调优,最后就是上传数据成果进行效果的评测。只要按照书本上的流程走一遍,每个读者都能够完成建模工作,给未来的学习和工作做好筹备。
对于数学系或者其他理科院系的学生,在学习数学的过程中,必定会强调打下坚实的基础再进行实战。但是这种学习方式在搞人工智能的过程中是不太可取的,就个人的经验来看,实在不行不主张学完所有的理论常识再开始实践,因为人工智能是一个非常依靠实战经验的行业。在工作的过程中,需要从业者对数据措置,特征构建,模型选择和训练有丰硕的经验,而这些经验是只学习理论无法获得的,只有通过实战和理论相结合的方式,才有机会真正掌握机器学习和深度学习的相关技术。
为了让读者尽快地入门人工智能行业,《动手学深度学习(PyTorch版)》还贴心地为大师提供了所有源代码和彩色图片,将本书的源代码和理论常识相结合,读者就可以一边阅读理论常识,一边阅读源代码,一边进行新代码的开发。除了这些,本书还免费提供了教学视频和讨论区,让学习者在互相辅佐中共同成长。多方位的交互式学习可以给读者带来全新的学习感到感染。本书的英文本 Dive into Deep Learning 是加州伯克利分校的深度学习教材,而且被全球多个高校作为深度学习的入门册本。