热门搜索: 中考 高考 考试 开卷17
服务电话 024-96192/23945006
 

深度学习、优化与识别 +机器学习 周志华 神经网络系统学术专著 直击互联网+AI

编号:
wx1201520894
销售价:
¥190.08
(市场价: ¥216.00)
赠送积分:
190
商品介绍

《机器学习》

内容全面;结构合理;叙述清楚;深入浅出。人工智能领域中文的开山之作!
这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.
然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究,
以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.

《深度学习、优化与识别》的特色

??? 深度学习是计算机科学与人工智能的重要组成部分。全书16章,分为理论与实践应用两部分,同时介绍5种深度学习主流平台的特性与应用,*后给出了深度学习的前沿进展介绍,另附带47种相关网络模型的实现代码。本书具有以下的特点:

一、内容系统全面

??? 全书16章,覆盖了深度学习当前出现的诸多经典框架或模型,分为两个部分。*部分系统地从数据、模型、优化目标函数和求解等四个方面论述了深度学习的理论及算法,如卷积神经网络、深度生成模型等;第二部分基于5种主流的深度学习平台给出了深度网络在自然图像、卫星遥感影像等领域的应用,如分类、变化检测、目标检测与识别等任务。另外给出了深度学习发展的脉络图及*研究进展,提供可基于5种平台实现的47中深度网络代码,以便有兴趣的读者进一步钻研探索。

二、叙述立场客观

??? 作为深度学习的入门教材,尽可能不带偏见地对材料进行分析、加工以及客观介绍。本书理论部分均从模型产生的本源来介绍,并给出各个经典模型之间内在的相互联系。本书实践应用部分对相关任务做了详尽的分析,并给出深度学习应用实践的经验总结。

三、设计装帧精美

??? 该书设计人性化,文字、公式、数学符号混排格式美观精致,特别是,全书采用全彩印制,软精装装帧。封面设计清新却不脱俗、学术化,足可以看出出版社和作者的用心。

《机器学习》

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章,大致分为3 个部分:** 部分(**~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(**1~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索。

本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。


《深度学习.优化与识别》
深度神经网络是近年来受到广泛关注的研究方向,它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共十六章,分为两个部分;**部分(**章到第十章)系统论述了理论及算法,包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等;第二部分(第十一章到第十五章)论述了常用的深度学习平台,以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用;第十六章为总结与展望,给出了深度学习发展的历史图、前沿方及*新进展。每章都附有相关阅读材料及仿真代码,以便有兴趣的读者进一步钻研探索。
本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考,以及作为相关专业本科生及研究生教学参考书,同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。

《机器学习》

周志华,南京大学计算机系教授,ACM杰出科学家,IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中国计算机学会会士。国家杰出青年科学基金获得者、长江学者特聘教授。先后担任多种SCI(E)期刊执行主编、副主编、副编辑、编委等。中国计算机学会人工智能与模式识别专业委员会主任,中国人工智能学会机器学习专业委员会主任,IEEE计算智能学会数据挖掘技术委员会副。

《机器学习》
《深度学习.优化与识别》
【注】本套装以商品标题及实物为准,因仓位不同可能会拆单发货,如有需要购买前可联系客服确认后再下单,谢谢!

《机器学习》



书中除章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程

可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者

启发思考.



本书在内容上尽可能涵盖机器学习基础知识的各方面, 但作为机器学习入门读物且因授课时间的考虑, 很多重要、前沿的材料未能覆盖,

即便覆盖到的部分也仅是管中窥豹, 更多的内容留待读者在进阶课程中学习. 为便于有兴趣的读者进一步钻研探索, 本书每章均介绍了

一些阅读材料, 谨供读者参考.



笔者以为, 对学科相关的重要人物和事件有一定了解, 将会增进读者对该学科的认识. 本书在每章最后都写了一个与该章内容

相关的小故事, 希望有助于读者增广见闻, 并且在紧张的学习过程中稍微放松调剂一下.



书中不可避免地涉及大量外国人名, 若全部译为中文, 则读者在日后进一步阅读文献时或许会对不少人名产生陌生感, 不利于进一步学习.

因此, 本书仅对一般读者耳熟能详的名字如“图灵”等加以直接使用, 对故事中的一些主要人物给出了译名, 其他则保持外文名.



机器学习发展极迅速, 目前已成为一个广袤的学科, 罕有人士能对其众多分支领域均有精深理解. 笔者自认才疏学浅, 仅略知皮毛, 更兼时间和精力所限,

书中错谬之处在所难免, 若蒙读者诸君不吝告知, 将不胜感激.

《机器学习》
ACM数据挖掘中国分会点评周志华教授的专著《机器学习》
2016-02-05 KDD China CKDD
南京大学周志华教授撰写的《机器学习》(清华大学出版社)上架不到一周即成为亚马逊*
畅销商品,各网站上现货被抢购一空,一时间“洛阳纸贵”。技术类书籍热卖到此程度,相
当罕见。ACM数据挖掘中国分会部分专家仔细研读了这本专著,给出如下评价:

全书16章,附带相关矩阵、优化、概率知识的附录,共425页,62.6万字。中国计算机学会
终身成就奖得主陆汝钤院士作序,书后有作者自撰后记。该书有以下特点:
1. 内容系统全面。全书16章,覆盖了机器学习几乎所有的主要分支领域,覆盖面超过了该
领域靠前有名书籍如ESL与PRML:** 部分(**-3 章)介绍机器学习的基础知识;第2 部
分(第4-10 章)介绍一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、
贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(**1-16 章)为进阶知识
,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及
强化学习。此外,书中每章都提供了精心总结的阅读文献,对读者进一步深造提供了极大帮
助。


2. 行文通畅易读。作者文笔精彩,全书思路清晰、文字活泼通畅,每章附带的小故事让读
者在轻松之余了解学科相关历史。尤为难得的是,作者很善于把复杂的事情说得简单明白,
避免数学公式的堆砌,重在说清技术内容的来龙去脉,让读者不仅“知其然”,还要“知其
所以然”。这不仅对初学者有益,对本领域研究者了解学科全局的发展思路也很有帮助。另
外,该书对关键的公式又有具体详尽的推导分析。

3. 叙述立场客观。作为入门教科书,尽可能不带偏见地对材料进行客观介绍**重要。以往的一些书籍在此方面有失偏颇,如PRML把所有机器学习材料都从贝叶斯角度来诠释描述,这对高水平读者很有益,能让人看到各种内容均可以从不同学派的角度来理解;但是对入门读者,先入为主地强化单一学派的思路和价值观,对深入理解整个学科未必有益。周教授《
机器学习》书各种材料均从其本源产生的角度来介绍,令细心读者对各学派的优点都能有所体会,对入门者**有益。
4. 设计装帧精美。该书近似方形开本,注释以边注形式出现,侧边空白便于读者写笔记,
设计很人性化。文字、公式、数学符号混排格式美观精致。特别是,彩图是彩印的!纸张也
相当好,足以看出作者和出版社的用心。封面设计清新文艺。该书可谓技术类书籍中的艺术
品,令人爱不释手。
ACM数据挖掘中国分会(KDD China)专家组一致认为,该书是重量专家用中文母语精心打
造,是的好书,必将成为该领域的经典名作。KDD China专家组将继续对靠前相关
领域热门技术和进展做出非常不错点评。
作者简介:周志华教授是大陆**位AAAIFellow,并且是IEEEFellow、IAPRFellow、ACM杰出
科学家,靠前人工智能联合大会的机器学*,靠前数据挖掘大会,是人工智能、机
器学习、数据挖掘领域的重量非常不错专家。《机器学习》是周教授耗时两年精心打造的力作。

商品参数
基本信息
出版社 清华大学出版社
ISBN 9787302473671
条码 9787302473671
编者 焦李成、赵进、杨淑媛、刘芳
译者
出版年月 2017-07-01 00:00:00.0
开本 其他
装帧 简装
页数
字数
版次 1
印次 1
纸张
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]