《动手学机器学习》动手学习：机器学习的必要条件

本书是领域知名作者编写的机器学习入门书。相信读过《动手学强化学习》一书的读者对张伟楠老师并不会陌生，本人就是在其书籍和视频课程的指导下，进入了强度学习的大门。

机器学习是比强化学习范围更广的一个领域。本质上是一门研究“无法显示编码”算法的学科，《动手学机器学习》就是要帮助学习者系统化地理解机器学习。弄明白算法原理，学会用典型的机器学习模型（如决策树、支持矢量机、神经网络等）来非显式编程解决自己的问题。

非显式编程的难度在于，即使我们理解了学习算法，也无法从结果倒推回去，这是难以还原的。对于学习者来说，要将机器学习在自己的业务领域内应用好，就要转变思维，从显式编程转为编写机器学习算法程序。这就是非显式编程的含义，在不同任务中，基于任务自身的数据，训练出一个解决问题的模型。

书中对每种经典算法都给出了可以直接运行的示例代码，并制作了相应的配套视频，学习者依据具体需求扩展一下就可以用在自己需要解决的实际工作中。

学习机器学习，必须通过动手来理解相关的概念、原理、模型、算法以及实际中会碰到的各种难题，动手才能真正的“进入”，然后才有“跳出”的基础。相信本书可以相《动手深度学习》、《动手强化学习》等经典一样，带给大家实实在在的帮助。