前言

回想2017年4月，當清華大學出版社的編輯找到楊培文和我，商量著寫一本與深度學習相關的書時，我還是比較缺乏信心的。首先，自己本專業(yè)是基因組學，或者說是生物學，機器學習方面的知識都是自學的。其次，我根本就沒有寫過書，由我參與撰寫，可能是班門弄斧，內容有誤都是小事，萬一寫的內容給讀者灌輸了錯誤的觀念、在大方向上誤導了初學階段的讀者，實在是難辭其咎。

出版社方面同樣了解我們的情況，跟我們說出版社這次想出一本面向非數學、計算機相關專業(yè)的書，希望語言更加通俗易懂，例子更貼近實際項目，讓非專業(yè)出身的人看了以后，對機器學習、圖像處理以及深度學習三者有一個最基本的認識。這里，我經常向生物、醫(yī)學專業(yè)背景的人解釋機器學習模型的原理，而培文則有多次數據分析競賽名列前茅的經歷，因此出版社希望我們兩位嘗試一下。

所以接下來編寫書籍的過程中，我們的定位就是相比現在市面上主流的相關書籍，前幾章寫得更加通俗，把入門的門檻再降低一些；然后后面的章節(jié)基于參加數據分析競賽的實戰(zhàn)過程，把最終的目標再定高一些；最后我們的配套代碼以及環(huán)境（http://github.com/Jinglue/DL4Img）要讓初學者可以很容易地跑起來，把書籍的內容落在實際運用中。

我們希望這本書可以讓非科班出身的讀者快速了解深度學習的基本原理，將相關技術舉一反三，運用在自己的課題、項目中。以我自己為例，在書籍編寫完成后的審閱過程中，我仔細閱讀了培文撰寫的運用循環(huán)神經網絡進行驗證碼識別這一章節(jié)（第10章）的內容，后來參加百度AI挑戰(zhàn)賽時，最初的模型就是培文整理的配套代碼，后來經過調整，最后取得了第二名的成績。

最后一點，閱讀本書，需要讀者具有基本的Python編程基礎，以及科學計算相關模塊的了解。這部分內容本書并未涉及，但讀者可以通過斯坦福大學cs228相關配套入門習題進行簡單的了解，我們對此進行了漢化（https://jizhi.ai/blog/post/cs228-py）。

在此感謝景略集智的王文凱、柯希陽在書籍編寫過程中提供的幫助。

胡博強

2018年7月18日