机器学习导论
正版新书 新华官方库房直发 可开电子发票
￥ 93.44 7.3折 ￥ 128 全新
库存2件
作者王东
出版社清华大学出版社
ISBN9787302546054
出版时间2021-02
版次1
装帧平装
开本32开
纸张胶版纸
页数976页
字数593千字
定价128元
货号SC:9787302546054
上书时间2024-12-23
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
王东， 1995-2002年清华本科、硕士，2010年英国爱丁堡大学博士，历任Oracle 中国软件工程师，IBM中国高级软件工程师，英国爱丁堡大学Marie Curie 研究员，法国EURECOM博士后研究员，美国Nuance公司高级研究科学家。现任清华大学语音语言中心副研究员，中心常务副主任，FreeNeb公司首席科学家。王东博士是全国人机语音通讯会议常设机构秘书长，是亚太信号信息处理联盟(APASIPA)语音专委会副主席、杰出讲师，是国际标准与语音数据资源委员会(COCOSDA)大陆区代表。王东博士自1997年开始从事语音识别、自然语言处理方面的研究，在相关领域发表学术论文120余篇，公开专利20余项，其专利技术在日本软银、新松、智能管家等多家国内外有名公司应用，创造了良了的社会效益和经济效益。
主编推荐:
《机器学习导论》从实战出发，内容全面，从基本概念入手，介绍了各种机器学习的基本类型。现代机器学习部分，不仅仅是最受关注的深度神经网络学习，同时还介绍了近十年取得令人关注进展的其他机器学习分支。着重于现代方法，但是也没有忘记详尽地介绍经典方法，刻画了机器学习学科发展历史上的各个里程碑式的重要成果，基本覆盖了机器学习技术各个时期的主要方向；第二，该书内容比较浅显，对大多数方法的介绍做到点到为止。有利于入门学生摆脱具体算法的纠缠，快速通读下去，避免信息破碎；第三，本书对各种方法的关联性做了重点阐述，有利于形成知识脉络。第四，作者对每种技术都给出了大量参考文献，便于读者根据个体需求深入学习。上述这些特点对从事应用研究的初学者非常重要，基于这些信息，便于形成对机器学习技术总体思路的把握，从而可以在需要的时候能理清头绪，从众多机器学习方法中找到合适的工具。
内容简介:
本书分类介绍机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学习，数值优化方法等。
本书可作为高等学校相关课程的教材，也可作为研究生及对机器学习感兴趣的科技、工程技术人员的参考用书。
目录:
第1章机器学习概述1
1.1什么是机器学习1
1.2机器学习的基本框架2
1.3机器学习发展简史5
1.4机器学习的流派7
1.4.1符号学派8
1.4.2贝叶斯学派8
1.4.3连接学派10
1.4.4进化仿生学派11
1.4.5哪个学派更占主流12
1.5让人惊讶的学习13
1.5.1从猴子摘香蕉到星际大战13
1.5.2集体学习的机器人14
1.5.3图片理解16
1.5.4金融市场量化分析18
1.5.5AlphaGo20
1.6机器学习技术的前沿21
1.7机器智能会超过人类智能吗22
1.8机器学习基础23
1.81训练、验证与测试23
1.8.2参数过拟合、交叉验证与正则化24
1.8.3结构过拟合与模型选择24
1.8.4机器学习方法分类27
1.9开始你的机器学习之旅29
1.9.1如何开始一个机器学习任务29
1.9.2如何学习机器学习30
1.10相关资源30
第2章线性模型33
2.1线性预测模型33
2.1.1从多项式拟合说起34
2.1.2线性回归36
2.1.3Fisher准则与线性分类39
2.1.4Logistic回归42
2.1.5小结44
2.2线性概率模型45
2.2.1主成分分析46
2.2.2概率主成分分析47
2.2.3概率线性判别分析50
2.3贝叶斯方法52
2.4
...
— 没有更多了 —
以下为对购买帮助不大的评价