您好,欢迎来到聚文网。 登录 免费注册
机器学习(新兴领域十四五高等教育教材)/新一代信息技术人工智能系列丛书

机器学习(新兴领域十四五高等教育教材)/新一代信息技术人工智能系列丛书

  • 字数: 722
  • 出版社: 清华大学
  • 作者: 编者:张旭东|总主编:张涛
  • 商品条码: 9787302675259
  • 适读年龄: 12+
  • 版次: 1
  • 开本: 16开
  • 页数: 421
  • 出版年份: 2024
  • 印次: 1
定价:¥79 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
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。 书中有6章内容对深度学习 和深度强化学习进行了全面 的叙述,不仅讨论了反向传 播算法、多层感知机、巻积 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 Transformer、大模型和深 度生成模型等)也给予了深 入的介绍。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 学习及应用实例。本书对于 基础理论、前沿理论、经典 方法和热门技术尽可能平衡 兼顾,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。
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。先后承担国家级、省部级和国际合作项目数十项,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的最高引用奖(The Most Cited Paper Award)和IET国际雷达年会最优论文奖,两次获得清华大学教学成果一等奖,3次获得清华大学优秀教材奖。
目录
第1章 机器学习概述 微课视频146分钟 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 机器学习的基本概念 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 深度学习 本章小结 本章习题 第2章 统计与优化基础 微课视频129分钟 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 高斯混合过程 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 2.7.1 基本优化算法 2.7.2 拉格朗日方法 本章小结 本章习题 第3章 贝叶斯决策 微课视频39分钟 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

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网