自從通用數(shù)字計算機誕生以來，在過去的七十余年，計算機已經深度融入人們的生產生活之中。如果沒有計算機，很難想象世界將會怎樣。近年來，正如計算機一樣，機器學習（包括深度學習）正從多方面融入人們的生產生活。
機器學習（包括深度學習）的一個顯著特點是，實踐先于理論、易學難精。機器學習被稱為黑盒子（black box）黑魔法（black magic）煉丹術（alchemy），很大程度上是因為缺少系統(tǒng)的原理上的分析與解釋。
同時，作為機器學習等課程的授課教師，也深感缺少一本適合高年級本科生與研究生初學者的用于理論教學與實踐教學的教材，盡管市面上已有一些機器學習方面的書籍。
因此，只好為講授機器學習這門課程而自寫講義。之后將講義擴展為《機器學習原理與實踐（微課版）》這本書。為了交出一份盡可能滿意的答卷，在全力寫作本書的3個季度里，作者深居簡出，數(shù)易書稿。
一本好書是一條捷徑。本書力求以通俗簡明的語言，從原理的角度，從無到有，講清楚機器學習中的一些常見方法，并從實踐的角度，循序漸進，引領讀者獨立編程實現(xiàn)這些機器學習方法，從而幫助讀者迅速實現(xiàn)從小白到大神的飛躍，為讀者進一步學習理解深度學習方法奠定堅實的原理與實踐基礎。
本書按照不同的學習范式將機器學習領域的一些常見方法分成3章進行講解，并假設讀者已經學習過高等數(shù)學線性代數(shù)概率論與數(shù)理統(tǒng)計等數(shù)學類課程，使用過Python語言進行編程。
第1章簡要介紹機器學習的歷史、概念、應用以及實現(xiàn)方式。
第2章重點講解監(jiān)督學習，包括線性回歸、邏輯回歸、支持向量機、k近鄰、樸素貝葉斯以及神經網(wǎng)絡等方法。
第3章講解無監(jiān)督學習，包括k均值、主成分分析以及自編碼器。
第4章講解強化學習，主要包括馬爾可夫決策過程與Q學習。
本書適合計算機科學與技術、人工智能、物聯(lián)網(wǎng)工程、數(shù)據(jù)科學與大數(shù)據(jù)、通信工程、電子信息、機器人、自動化、智能制造等相關專業(yè)高年級本科生及研究生教學或自學使用，也適合機器學習等領域的從業(yè)者及愛好者自學或參考。
受精力、學識、表達所限，本書難免存在不足之處，懇請讀者指正。作者的QQ為20786560。
感謝我的家人為支持本書寫作所付出的一切，謹以此書獻給我的女兒美希。感謝所有支持過本書寫作與幫助過本書出版的人們！
Now, let�餾 get started. Just play. Have fun!

陳喆于沈陽于洪2021年10月