机器学习需要一条脱离过高理论门槛的入门之路。
《机器学习之路》从小红帽采蘑菇的故事开篇，介绍了基础的机器学习分类模型的训练（第1 章）。如何评估、调试模型？如何合理地发掘事物的特征？如何利用几个模型共同发挥作用？后续章节一步一步讲述了如何优化模型，更好地完成分类预测任务（第2 章），并且初步尝试将这些技术运用到金融股票交易中（第3 章）。
自然界最好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架开始（第4 章），讲解了DNN 模型的直观原理，尝试给出一些简单的生物学解释，完成简单的图片识别任务（第5 章）。后续章节在此基础上，完成更为复杂的图片识别CNN 模型（第6 章）。接着，本书展示了应用Caffe 完成一个完整的图片识别项目，从准备数据集，到完成识别任务（第7 章）。后面简单描述了RNN 模型（第8 章），接着展示了一个将深度学习技术落地到图片处理领域的项目（第9 章）。
《机器学习之路》适合能看懂Python 代码，对机器学习感兴趣，期望入门的读者。
目录
第一篇 机器学习篇
第1 章 初识机器学习 2
第2 章 机器学习进阶 35
第3 章 实战：股票量化 95
第二篇 深度学习篇
第4 章 深度学习：背景和工具 126
第5 章 深层学习模型 152
第6 章 学习空间特征 191
第7 章 Caffe 实例：狗狗品种辨别 240
第8 章 漫谈时间序列模型 258
第9 章 用深度学习做个艺术画家——模仿实现PRISMA 277
下载体验