暂无商品咨询信息 [发表商品咨询]
《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。
《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。
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 |
暂无商品评论信息 [发表商品评论]
暂无商品咨询信息 [发表商品咨询]