推薦序一

認識力柯兄多年，一直認為他是一員虎將——能用代碼說話，便絕不打無謂的嘴仗；能用技術與產品直接證明，便絕不空談“形式”和“主義”。這次，通過力柯兄寫的這本書，一如既往地看到他“心有猛虎”的一面：直截了當、大開大合。

在機器學習或者說工業界AI火起來的這幾年，程序員這一受眾群體一直缺少優秀的教程。有些教程過于淺顯，很難稱其為“入門教程”，只能稱其為科普書；有些教程則過于貼近理論推導，對夯實讀者的數理基礎大有裨益，也能給研究生提供參考，但對程序員來說，則理論有余而實踐不足，常常令注重工程實踐的他們一頭霧水：畢竟不是每個程序員都有耐心、有必要一門一門地撿回微積分、概率統計、偏微分方程、線性代數和數值計算等基礎學科的知識，再真正實現一個屬于自己的模型。如何在數學理論和工程實踐之間找到一個平衡點，讓具有工程背景的廣大讀者從中獲得實際的價值，而非進行簡單的腦力或數學訓練，這一直是我評價機器學習教程時最為看重的要素?，F在，我有幸從力柯兄的成書中找到了這些要素，實乃幸事！

這是一本寫給程序員看的機器學習指南。它有針對性地從程序員的視角切入（而非像市面上的大多數機器學習教程一樣，從數學的角度切入），介紹了工業界流行的若干模型及應用場景，同時涵蓋了神經網絡的原理和基礎實現、Keras庫的使用方法和TensorFlow的部署方案，可謂有的放矢。另外，本書章節不多，卻簡短有力。這不是一本科普讀物，不存在淺嘗輒止；也不是一本百科全書，不存在天書符號。這是一本有代碼的書，是一本談工程實現的書。我認為，這正是機器學習領域所缺少的那一類教程。

本書的上篇，讓我不由得想起多年前力柯兄剛從硅谷回國高就時，與我圍繞“怎樣的面試題對于機器學習程序員是合適的”這一話題展開的討論。那時AI正在升溫，無數有著各種背景、能力和水平的人都在嘗試接觸AI方面的內容，但對于人才的選拔和錄用，卻似乎沒有一個行業內的公認標準和規范。力柯兄的面試題十分簡單粗暴，要求面試者僅使用一些基礎的Python庫去實現一個深度神經網絡。這聽起來有點讓人匪夷所思，但事后細想，卻是大道至簡。這可以讓人拋去繁雜的模型，回歸神經網絡最本質的前向傳播和反向傳播，將一切都落實在代碼層面。雖然需要運用的數學知識不過是一點高等數學的皮毛，卻可以同時從工程和數學兩個角度考察候選人的基本功。這幾年間，機器學習和深度學習教程及相關公開課越來越多，我閱課無數，竟發現很少有一門課能夠沉下心來，仔仔細細地告訴讀者和學員，搭建和實現這些神經網絡的基礎元素從何而來，又為何如此。而本書的上篇，尤其是在第2章中，一絲不茍地介紹了神經元、激活函數和損失函數，從偏微分方程層面嚴謹地推導反向傳播，又從代碼層面給出了那道面試題的答案。這都讓我不由得敬佩力柯兄在工程上的執著。本書的下篇，則是標準的深度學習入門。

至此，我不再“劇透”，因為當你從實戰角度閱讀這些章節時，會有一種不斷發現珍寶的驚喜感，而我更愿意把這些“珍寶”留給本書的讀者。

周竟舸，Pinterest機器學習平臺技術負責人

2019年12月