譯者序
人工智能和機器學習技術近年來得到了飛速的發展,並成為計算機界乃至全社會炙手可熱的話題。這些優秀的技術讓每個人的生活越來越方便和智能,這讓從業者感到非常欣喜。智能算法是人工智能的核心技術,不論是我當前創辦的達觀數據,還是之前在騰訊、盛大、百度等互聯網企業的工作,都是圍繞智能算法展開的,我對此有深厚的熱情。因此當電子工業出版社計算機出版分社的張春雨編輯邀請我翻譯這本《智能 Web算法(第 2版)》的時候,雖然深知翻譯和審校要付出大量的時間和精力,但還是很愉快地接受了邀請並完成了翻譯工作,希望本書中文版的面世,能幫助廣大愛好者建立起對 Web數據挖掘和機器學習技術全面且直觀的了解。
在眾多有關機器學習和數據挖掘的書籍裡,本書是頗為經典的一本。其特點之一是內容覆蓋面很廣,有關網絡數據挖掘的方方面面都涵蓋到了,從數據采集、存儲,到降維運算和結構抽取,以及涉及模式識別的聚類和分類、統計機器學習理論等,還有面向互聯網應用的推薦繫統、搜索引擎、廣告點擊預測等,配套的效果評估機制也有專門的章節進行講解,讀者閱讀本書後可以形成較為全面的學習體繫。特點之二是本書較好地在算法思想、數學原理、應用案例之間找到了平衡點。每個章節作者都由淺入深地講解了算法的思想,並通過列舉一些非常生動的案例來讓讀者更好地理解算法的原理。例如,列舉的 Iris數據集結構的抽取、在線電影推薦繫統、金融欺詐檢測、廣告點擊預測等實踐案例的講解都非常清晰易懂。書中對數學公式的使用點到為止,力求簡潔。這樣既不像很多教科書那樣堆砌數學公式,讓很多讀者望而生畏,又不像很多書籍那樣隻是羅列程序代碼而不講解背後的算法思想。這和作者既有工程實踐經驗,又有學術研究背景密不可分的。
與通常的再版書籍隻是做些局部修訂不同,本書第 2版對第 1版圖書的內容進行了全面徹底的升級改寫,全書有超過 80%的篇幅與第 1版不同,可以說是脫胎換骨的變化。這些變化具體體現在以下三個方面:首先,增加了近年來數據挖掘領域的一些研究成果,例如當下炙手可熱的深度學習等,同時刪減了一些較為陳舊的內容;其次,調整了全書的組織結構,章節的劃分更為合理,每章內容更加豐富,列舉的案例也更貼近實戰。第三,全書的示例代碼不再使用第 1版的小眾開發語言 BeanShell,而是改為機器學習界更為常用的 Python,並配合機器學習界知名的開源軟件包 scikit-learn,讓本書的代碼閱讀起來更友好,也大大增強了示例代碼的實用性。
本書由於篇幅所限,雖然涉及的面很寬廣,但是每個章節的內容都沒有進一步深入展開。我在翻譯過程中,覺得本書有些內容講得略偏淺顯,在所提及的領域都屬於入門級的深度,讀起來有些意猶未盡。事實上如果深究起來,本書每個章節的內容都足夠擴充成一本獨立的書籍。好在本書作者提供了很多參考資料,並在相應章節的腳注裡細心地進行了標識,對更深入的內容感興趣的讀者,不妨按圖索驥,下載相應的論文和著作來一窺究竟。
本書的翻譯工作,要深深感謝電子工業出版社的張春雨、劉舫和編輯朋友們給予的大力幫助和耐心指點。同時要感謝我所在的公司——達觀數據的各位親密戰友,依靠大家分工協作、共同努力,纔順利完成了全書各個章節的翻譯工作,這些同事是於敬、文輝、紀達麒、紀傳俊、江永青、馮仁傑、桂洪冠、高翔、王文廣、張健、範雄雄、蹇智華、孟禮斌。團結纔有力量,大家共同的辛勤工作和智慧結晶,讓本書翻譯工作順利完成。
限於譯者水平所限,在理解和翻譯本書的過程中,一些知識的專遞未必到位,所使用的語言也未免生澀,我們力求做到“信、達、雅”,一些不好把握的字句也反復查閱過資料,希望能較為忠實地還原作者的意圖,讓廣大讀者能享受通暢的閱讀體驗。如有疏漏之處,希望讀者朋友閱讀時多多包涵,並不吝提出各種意見和建議。
人工智能和機器學習技術正在得到越來越多的人的關注,並正在發揮著越來越大的價值。身為其中的一員,我非常榮幸自己能夠生於這一歷火熱的發展時代裡,我創辦的達觀數據,也正在運用本書裡所介紹的各種技術,來幫助中國的企
譯者序VII
業更好地挖掘數據背後的規律,自動完成很多原本需要大量人力纔能實現的功能。創業維艱,本書的很多翻譯和校對工作是在出差途中和深夜完成的,感謝家人對我的理解和關懷。期望達觀數據的技術服務能讓很多企業提升運行效率、降低成本,從原先的粗放型增長轉變為技術驅動型的精細化增長。
眼下全球技術競爭愈演愈烈,數據作為人工智能時代的原油,對其進行提煉和挖掘的技術至關重要。我希望包括本書在內的一繫列國外優秀書籍被翻譯引入後,能夠幫助中國的技術人纔、工程師、學生乃至企業管理者拓展視野、啟發思維,把握業界的技術發展脈搏,成為大數據時代浪尖的弄潮兒。
陳運文達觀數據創始人兼 CEO
譯者簡介
陳運文,計算機博士,達觀數據 CEO,ACM和 IEEE會員,中國計算機學會高級會員;在大數據架構設計、搜索和推薦引擎、文本數據挖掘等領域有豐富的研發經驗;曾經擔任盛大文學首席數據官、騰訊文學數據中心高級總監、百度核心算法工程師等工作,申請有 30餘項國家發明專利,多次參加國際 ACM數據算法競賽並獲得冠亞軍榮譽。
序言
萬維網( World Wide Web)是互聯網信息社會裡的根本的基礎設施,數以億計的人們把它作為主要的交互聯繫工具。互聯網上信息服務的發展也帶動了工業的進步。今天,隨著雲計算和無線通信技術的成熟, Web不僅成為人們發布和獲取信息的平臺,而且成為為數億人隨時隨地提供信息服務開發、部署和應用的平臺。大數據為構建多樣性的服務提供了豐富的內容,也為智能化的服務創造了價值,讓 Web上服務的用戶體驗逐步提升。智能服務的 Web正在改變人們的日常生活:它幫助我們尋找合適的酒店、安排完美的假期旅行,讓我們購買到幾乎任何商品,以及建立起豐富多彩的社群,而這些智能來自對 Web內容和用戶間交互所產生的數據的深度分析。因此建立 Web智能是當今數據科學發展領域裡的核心技術。
非常榮幸能由我來為大家介紹這本精彩的《智能 Web算法(第 2版)》,本書由一位年輕但經驗豐富的數據科學家 Douglas McIlwraith博士修訂,目的是為大家揭示智能 Web應用的精髓:實現智能所依賴的各種算法。這是一個宏偉的目標,但是 Doug博士用樸實無華的語言,在不到 250頁的篇幅裡成功將豐富的知識通俗易懂地呈現了出來。
本書涵蓋了豐富的應用場景和常見的流行算法,並通過嚴謹的數學推導和簡潔的 Python代碼對這些算法進行了清晰的介紹。我非常順暢地通讀了本書,也希望能與你一起分享閱讀的樂趣。更為重要的是,我希望當你閱讀完本書後,發現自己可以用學會的很多知識和技能,打造出更智能的 Web!
Yike Guo教授 &總監數據科學研究所倫敦帝國理工
前言
非常榮幸我們能投身於當今時代令人激動的一個技術領域。在短短數十年間,稚嫩的互聯網就蓬勃發展成如今連接全世界的萬維網,讓每個身在其中的人隨時隨地進行通信交流,讓大家擁有了瞬間就能得到幾乎任何問題答案的能力。
智能算法的研發充分運用了信息的價值,在塑造我們新的生活方式上扮演了重要角色。反過來我們也越來越依賴智能算法來引領我們線上和線下的生活,這也促使我們將更寬的視野和更多的數據用於算法的訓練和測試。若干年前神經網絡算法還是被學術界所擯棄的方法,但是如今隨著大規模高可用的數據技術的發展,神經網絡技術再次大放異彩。
我們剛剛進入一,在這裡我們能與手機對話,讓它預測我們的需求、預訂我們的約會、建立我們的通信連接。在不久的將來,我們也許能看到無人駕駛汽車和虛擬現實技術的曾及,所有這些應用都牢牢地扎根於計算機科學技術對真實世界問題的回應,智能算法是其中的重要部分,也是本書的核心。
不幸的是,進入機器學習和數據科學的世界看上去令人生畏,這裡充滿了數學和統計學,你的直覺有時也會誤導你!通過修訂本書,我們希望介紹版面世以來該領域的發展,也為新入行的朋友們提供指引。在本書中我們提供了通俗易懂的實例、真實問題的解決方案,以及相應的代碼片段。我們盡可能地越過繁復的
數學公式來重點闡述技術的核心思想,希望我們對此拿捏得足夠好。
在本書中你將看到,我們把內容劃分為 8個章節,每個章節涵蓋智能 Web的一個重要的算法領域。本書後的附錄部分講解了智能 Web應用中的數據處理流程,我們希望通過這部分內容,來為實踐者展示在繫統中將快速變化的數據有效地運轉起來是多麼重要且困難。
致謝
感謝在本書撰寫過程中參與的各位伙伴:編輯 Marjan Bace以及出版發行團隊的所有成員,包括 Janet Vail, Kevin Sullivan, Tiffany Taylor, Dottie Marsico, Linda
Recktenwald,以及幕後的很多工作人員。
也感謝參與本書各階段校對的人員: Nii A-Okine, Tobias Bürger, Marius Butuc, Carlton Gibson, John Guthrie, Pieter Gyselinck,
PeterJohn Hampton, Dike Kalu, Seth Liddy, Radha Ranjan Madhav, Kostas Passadis,
Peter Rabinovitch, Srdjan Santic, Dennis Sellinger, Dr. Joseph Wang, Michael
Williams。感謝你們反復閱讀,認真進行校對,你們提供的寶貴意見在本書中得到了充分體現。
本書中引用的很多繫統、函數庫、程序包並非作者原創,而是來自本領域的眾多社區開發者、數據科學家、機器學習專家,在此對以上所有人表示感謝。
回想起初討論修訂《智能 Web算法》時的情形,記得我當時心裡想“嘿,這本書的版已經寫得很好了,修訂的工作量不會很大吧?”但後結果是,很大