本书系统地介绍了机器学习的入门性基础理论与应用技术。首先，较详细地介绍掌握机器学习理论和方法推荐的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，系统地讨论监督学习、无监督学习、强化学习、集成学习等机器学习基本理论与方法；很后，在探讨神经网络与深度学习基本理论的基础上，较系统地介绍深度卷积网络、深度循环网络、生成式对抗网络等典型深度学习模型的基本理论与训练范式，讨论深度强化学习的基本理论与方法。本书将分布在人工智能各个分支的机器学习知识点进行凝练和优化，形成一套入门性机器学习知识体系，并在各章穿插丰富的应用实例，使得读者在系统地掌握机器学习理论知识的同时，能进一步获得机器学习在多个方面的应用技术。本书站在本科生和低年级研究生的思维角度编写，尽可能用朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够通过自己的努力不太困难地掌握全书主要内容。本书内容丰富、思路清晰、实例讲解详细、图例直观形象，毎章均配有一定数量的习题供读者练习，适合作为智能科学与技术、数据科学与大数据技术、计算机科学与技术以及相关专业本科生和低年级研究生的机器学习入门教材，也可供工程技术人员和自学读者学习参考。
|
