消息 首页 搜索 举报
  • 【假一罚四】机器学习导论张旭东
  • 【假一罚四】机器学习导论张旭东
  • 【假一罚四】机器学习导论张旭东
  • 【假一罚四】机器学习导论张旭东
  • 【假一罚四】机器学习导论张旭东
21年品牌 40万+商家 超1.5亿件商品

【假一罚四】机器学习导论张旭东

集团直发，全新正版书籍，假一罚四，放心选购。可开发票

￥ 81.9 8.3折 ￥ 99 全新

仅1件

浙江嘉兴
认证卖家担保交易快速发货售后保障

作者张旭东

出版社清华大学出版社

ISBN9787302594727

出版时间2022-01

装帧平装

开本16开

定价99元

货号31344570

上书时间2024-09-23

朗朗图书书店
已实名 已认证 进店 收藏店铺
  • 店主推荐
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
张旭东  清华大学电子工程系长聘教授，博士生导师，主要研究方向为信号处理和机器学习。先后承担重量、省部级和靠前合作项目数十项，在IEEE、IET、ACM等重要刊物和NIPS、AAAI、ICASSP、SIGIR等重要会议上发表学术论文150余篇，出版著作5部。获得Elsevier的优选引用奖（The Most Cited Paper Award）和IET靠前雷达年会很优论文奖，两次获得清华大学教学成果一等奖，三次获得清华大学很好教材奖。

目录
第1章  机器学习概述
  1.1  什么是机器学习
  1.2  机器学习的分类
    1.2.1  基本分类
    1.2.2  监督学习及其功能分类
  1.3  构建机器学习系统
    1.3.1  机器学习的基本元素
    1.3.2  机器学习的一些基本概念
    1.3.3  机器学习模型的性能评估
  1.4  通过简单示例理解机器学习
    1.4.1  一个简单的回归示例
    1.4.2  一个简单的分类示例
  1.5  训练、验证与测试
  1.6  深度学习简介
  1.7  本章小结
  习题
第2章  统计与优化基础
  2.1  概率基础
    2.1.1  离散随机变量
    2.1.2  连续随机变量
    2.1.3  随机变量的基本特征
    2.1.4  随机特征的蒙特卡洛逼近
  2.2  概率实例
    2.2.1  离散随机变量示例
    2.2.2  高斯分布
    2.2.3  指数族
    2.2.4  混合高斯过程
    2.2.5  马尔可夫过程
  2.3  最大似然估计
  2.4  贝叶斯估计——最大后验估计
  2.5  随机变量的熵特征
    2.5.1  熵的定义和基本性质
    2.5.2  KL散度、互信息和负熵
  2.6  非参数方法
  2.7  优化技术概述
    2.7.1  基本优化算法
    2.7.2  拉格朗日方法
  2.8  本章小结
  习题
第3章  贝叶斯决策
  3.1  机器学习中的决策
  3.2  分类的决策
    3.2.1  加权错误率准则
    3.2.2  拒绝判决
  3.3  回归的决策
  3.4  高斯情况下的分类决策
    3.4.1  相同协方差矩阵情况的二分类
    3.4.2  不同协方差矩阵情况的二分类
    3.4.3  多分类情况
  3.5  KNN方法

内容摘要
本书对机器学习的基础
知识和基本算法进行了详细的介绍，对广泛应用的经典算法（如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等）进行了深入的分析，并讨论了无监督学习的基本方法。
用5章对深度学习和深度强化学习讲行了相当全面的叙述，不仅深人地讨论了反向传播算法、多层感知机、卷积神经网络、循环神经网络和长短期记忆网络等深度神经网络的核心知识和结构，对于一些发展中的专题（如
生成对抗网络和Transformer等）也给予了一定深度的介绍。对于强化学习，不仅介绍了经典表格
方法，也较详细地讨论了深度强化学习。本书对于基础
和前沿、经典方法和热门技
术尽可能平衡，使读者不仅能在机器学习领域打下一个良好的基础，同时也可以利用所学知识解决遇到的实际问题并进入学科前沿。
本书是一本面向大学理工科和管理类各专业的宽口径、综合性的机器学习教材，可供高年级本科生和研究生使用，也可帮助科技人员、工程师和程序员自学机器学习的原理和算法。

主编推荐
"机器学习具有多学科交叉的特点，是当前学术界和工业界均关注的热点领域，其应用范围十分广泛，已经成为一种解决诸多问题的有效工具。本书以理工科高年级本科生和低年级研究生的基础知识为立足点，以面向工程应用为目标，是一本综合性的机器学习教程。
本书既反映机器学习的基础知识和经典方法，又重视深度学习和强化学习的知识内容，使读者不仅能在机器学习领域打下坚实的基础，同时也可以利用所学知识解决遇到的实际问题并进入学科前沿。本书的主要内容包括：
 机器学习理论概述；
 机器学习的统计与优化基础；
 基本回归与分类学习算法；
 支持向量机；
 决策树与集成学习；
 无监督学习算法；
 神经网络与深度学习；
 深度学习专题（GAN、Transformer等）；
 强化学习与深度强化学习。
教学资源
 微课视频
 教学大纲
 教学课件
 习题解答
"

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP