前言

目前国内越来越多的高校开始设立人工智能、大数据技术与应用、智能科学与技术等专业，其中机器学习和深度学习是此类专业的核心课程。大多数高校在机器学习课程建设中，面临着教材众多，难度参差不齐，许多教材过于理论化、实用性不强等问题。因此，作者编写了这本面向应用的机器学习和深度学习教材。本书具有内容系统全面、深入浅出，并且配套资源齐全等特点。

与传统知识型教材相比，本书面向新工科的教学要求，帮助学生快速、系统地理解机器学习和深度学习的基础知识。配套的教学案例库可帮助学生将学习的知识转化为解决实际问题的技能，并在相似的场景中进行应用，进一步提高学生工程实践和创新的能力。

本书突出机器学习的课程要点和发展前沿，详细阐述机器学习和深度学习的基本内容，使用几十个典型的应用案例和 Python 代码实现，介绍机器学习和深度学习的核心内容。为了方便学生自学，本书配套中国大学 MOOC 的深度学习及其应用在线课程，难度适中，可帮助学生系统学习机器学习的专业知识，提升对实际领域问题的分析能力。

本书特别重视配套实验案例的设计。近年来，作者在与20多家企业合作的横向课题以及多项教育部产学合作协同育人项目的基础上，利用主流的机器学习开源框架和工具，原创开发了几十个配套机器学习和深度学习的案例。这些案例有效地支撑了实践教学的开展，经过几十所院校和数万名学员的使用，反馈良好。

自从2018年《机器学习》出版以来，作者多次在全国性教育研讨会议、研修班和师资培训中将之推广使用，该书对机器学习、深度学习、数据挖掘等相关课程的教学起到了重要的作用，目前已被几十所高校使用，产生了广泛的影响。

除了纸质教材外，本书配套资源齐全，且资源不定期更新，书中每章的难点和核心内容还配套对应的视频、实验及测试题，便于教师组织教学和学生自学。相关案例和实验等资料，都统一放在中国大学MOOC在线课程以及阿里云天池平台，便于教师开展实验和实训教学。读者也可登录人邮教育社区（www.ryjiaoyu.com）获取相关资源。

自第1版教材出版以来，作者广泛收集了读者的一些建议，对第1版做了如下修改。

（1）删除了第1版的第9章、第14章以及其他章节的部分内容，补充了一些案例，充实了XGBoost、神经网络算法等内容。

（2）重视引入企业真实问题的案例、充实实验教学，以加深学生对算法的理解，提升学生的应用技能。由于篇幅所限，更多案例和实验的内容可以参考作者编写的另外两本图书：《机器学习案例实战》（第2版）、《Python机器学习实战案例》（第2版）。

（3）大幅修改了第1版第11章深度学习和第12章高级深度学习等内容，补充了卷积神经网络、循环神经网络、生成对抗网络、自注意力等算法的介绍。

（4）补充了第13章，介绍了强化学习的基本内容，丰富了深度学习的内容。

本书编写的过程中，参考了一些文献的图表，研究生胥勋亮、陈孚声、张柏霖等在资料收集方面做了很多工作，在此一并表示感谢。

赵卫东

2022年1月