第一部分
机器学习基础

了解机器学习首先是理解它在日常生活中的应用。基于特征而不是汽车图片来判断哪种车更好；通过照片判断机器人是否正确地叠了衣服；对大脑的听觉功能进行学习建模，将声波转化成大脑可理解的文本表示；机器学习无处不在！

要进行机器学习，你需要数据——大多数情况你需要很多数据，但也不总是。这些数据通常都不是按正确的方式准备好的，需要清洗。你还需要一些关于你想测试或评估的数据的假设。说到这，你还需要一些工具来评估你的机器学习算法在预测、分组、排序和评级等方面的表现。所有这些组件都是机器学习基础中的一部分，你使用它们接收数据，并以有意义可评估的方式解答问题。

本书的第一部分着重于介绍机器学习基础的组件，展示谷歌的TensorFlow框架，以及一系列机器学习相关的实用工具和Python编程工具。这些可以帮助你运用机器学习，探索和应对你将在本书中遇到的现实问题。