本書從數(shù)據(jù)集、數(shù)據(jù)清理開始談起，在介紹機器學(xué)習(xí)的建模方式后，第2章詳細說明了機器學(xué)習(xí)與深度學(xué)習(xí)所涉及的矩陣、向量等技術(shù)。第3章使用Keras搭建深度學(xué)習(xí)模型，也介紹了激活函數(shù)、損失函數(shù)、反向傳播、過擬合或欠擬合等問題。第4章給出了訓(xùn)練深度學(xué)習(xí)模型的過程中可能存在的交叉驗證問題。當需要提高模型精度時，可以考慮參考第5章中的L1/L2正則化、丟棄正則化、早停等方式。第6章講解模型評估問題，在太平洋颶風(fēng)數(shù)據(jù)集上指出準確率的局限性，從而引出混淆矩陣、ROC曲線、AUC評分等概念。接下來的3章介紹卷積神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)、循環(huán)神經(jīng)網(wǎng)絡(luò)等問題，這些內(nèi)容在工業(yè)實際項目中占據(jù)核心地位，值得大家多寫代碼、多實踐。