掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
機器學習 版權信息
- ISBN：9787302675259
- 條形碼：9787302675259 ; 978-7-302-67525-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習 本書特色
本書對機器學習的基礎知識和基本算法進行了詳細的介紹,對廣泛應用的經典算法(如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等)進行了深入的分析,并討論了無監督學習的基本方法。用6章對深度學習和深度強化學習進行了相當全面的敘述,不僅深入地討論了反向傳播算法、多層感知機、卷積神經網絡、循環神經網絡和長短期記憶網絡等深度神經網絡的核心知識和結構,對于一些發展中的專題(如Transformer、大模型和深度生成模型等)也給予了一定深度的介紹。對于強化學習,不僅介紹了經典表格方法,也較詳細地討論了深度強化學習及應用實例。本書對于基礎和前沿、經典方法和熱門技術盡可能平衡,使讀者不僅能在機器學習領域打下一個良好的基礎,同時也可以利用所學知識解決遇到的實際問題并進入學科前沿。 本書是一本面向大學理工科和管理類各專業的寬口徑、綜合性的機器學習教材,可供高年級本科生和研究生使用,也可幫助科技人員、工程師和程序員自學機器學習的原理和算法。
機器學習 內容簡介
"本書對機器學習的基礎知識和基本算法進行了詳細的介紹,對廣泛應用的經典算法(如線性回歸、邏輯回歸、 樸素貝葉斯、支持向量機、決策樹和集成學習等)進行了深入的分析,并討論了無監督學習的基本方法。用6章對 深度學習和深度強化學習進行了相當全面的敘述,不僅深入地討論了反向傳播算法、多層感知機、卷積神經網絡、 循環神經網絡和長短期記憶網絡等深度神經網絡的核心知識和結構,對于一些發展中的專題(如Transformer、大 模型和深度生成模型等)也給予了一定深度的介紹。對于強化學習,不僅介紹了經典表格方法,也較詳細地討論了 深度強化學習及應用實例。本書對于基礎和前沿、經典方法和熱門技術盡可能平衡,使讀者不僅能在機器學習領 域打下一個良好的基礎,同時也可以利用所學知識解決遇到的實際問題并進入學科前沿。 本書是一本面向大學理工科和管理類各專業的寬口徑、綜合性的機器學習教材,可供高年級本科生和研究生 使用,也可幫助科技人員、工程師和程序員自學機器學習的原理和算法。"
機器學習 目錄
第1章機器學習概述微課視頻146分鐘1.1什么是機器學習1.2機器學習的分類1.2.1基本分類1.2.2監督學習及其功能分類1.3構建機器學習系統1.3.1機器學習的基本元素1.3.2機器學習的基本概念1.4通過簡單示例理解機器學習1.4.1一個簡單的回歸示例1.4.2一個簡單的分類示例1.5深度學習本章小結第1章機器學習概述
微課視頻146分鐘
1.1什么是機器學習
1.2機器學習的分類
1.2.1基本分類
1.2.2監督學習及其功能分類
1.3構建機器學習系統
1.3.1機器學習的基本元素
1.3.2機器學習的基本概念
1.4通過簡單示例理解機器學習
1.4.1一個簡單的回歸示例
1.4.2一個簡單的分類示例
1.5深度學習
本章小結
本章習題
第2章統計與優化基礎
微課視頻129分鐘
2.1概率基礎
2.1.1離散隨機變量
2.1.2連續隨機變量
2.1.3隨機變量的基本特征
2.1.4隨機特征的蒙特卡洛逼近
2.2概率實例
2.2.1離散隨機變量示例
2.2.2高斯分布
2.2.3指數族
2.2.4高斯混合過程
2.2.5馬爾可夫過程
2.3*大似然估計
2.4貝葉斯估計——*大后驗估計
2.5隨機變量的熵特征
2.5.1熵的定義和基本性質
2.5.2KL散度、互信息和負熵
2.6非參數方法
2.7優化技術
2.7.1基本優化算法
2.7.2拉格朗日方法
本章小結
本章習題
第3章貝葉斯決策
微課視頻39分鐘
3.1機器學習中的決策
3.2分類的決策
3.2.1加權錯誤率準則
3.2.2拒絕判決
3.3回歸的決策
3.4高斯情況下的分類決策
3.4.1相同協方差矩陣情況的二分類
3.4.2不同協方差矩陣情況的二分類
3.4.3多分類情況
3.5KNN方法
*3.6概率圖模型
3.6.1貝葉斯網絡
3.6.2無向圖模型
3.6.3圖模型的學習與推斷
本章小結
本章習題
第4章基本回歸和分類算法
微課視頻158分鐘
4.1線性回歸
4.1.1基本線性回歸
4.1.2線性回歸的遞推學習
4.1.3正則化線性回歸
4.1.4多輸出線性回歸
*4.2稀疏線性回歸Lasso
4.2.1Lasso的循環坐標下降算法
4.2.2Lasso的LAR算法
4.3線性基函數回歸
4.4基本分類問題
4.5線性判別函數模型
4.5.1Fisher線性判別分析
*4.5.2感知機
4.6邏輯回歸
4.6.1二分類問題的邏輯回歸
4.6.2多分類問題的邏輯回歸
4.7樸素貝葉斯方法
本章小結
本章習題
第5章機器學習流程、評價和性能界
微課視頻90分鐘
5．1機器學習流程
5．1．1機器學習基本流程
5．1．2數據清洗和數據預處理
5．1．3模型的訓練、驗證與測試
5．1．4特征工程
5．1．5樣本不平衡
5．2機器學習模型的性能評估
5．3機器學習模型的誤差分解
5．4機器學習模型的泛化性能
5．4．1假設空間有限時的泛化誤差界
*5．4．2假設空間無限時的泛化誤差界
本章小結
本章習題
第6章支持向量機與核函數方法
微課視頻91分鐘
6.1線性支持向量機
6.1.1不等式約束的優化
6.1.2線性可分情況的SVM
6.1.3不可分情況的SVM
6.1.4合頁損失函數
6.1.5SVM用于多分類問題
6.2非線性支持向量機
6.2.1SVM分類算法小結
*6.2.2SMO算法
6.3支持向量回歸
*6.4核函數方法
本章小結
本章習題
第7章決策樹
微課視頻75分鐘
7.1基本決策樹算法
7.1.1決策樹的基本結構
7.1.2信息增益和ID3算法
7.1.3信息增益率和C4.5算法
7.2CART算法
7.2.1分類樹
7.2.2回歸樹
7.3決策樹的一些實際問題
7.3.1連續數值變量
7.3.2正則化和剪枝技術
7.3.3缺失屬性的訓練樣本問題
本章小結
本章習題
第8章集成學習
微課視頻63分鐘
8.1Bagging和隨機森林
8.1.1自助采樣和Bagging算法
8.1.2隨機森林算法
8.2提升和AdaBoost算法
8.2.1AdaBoost算法介紹
*8.2.2AdaBoost算法分析
8.3提升樹算法
8.3.1加法模型和提升樹
8.3.2梯度提升樹
本章小結
本章習題
第9章神經網絡與深度學習之一： 基礎
微課視頻94分鐘
9.1神經網絡的基本結構
9.1.1神經元結構
9.1.2多層神經網絡解決異或問題
9.1.3多層感知機
9.1.4神經網絡的逼近定理
9.2神經網絡的目標函數和優化
9.2.1神經網絡的目標函數
9.2.2神經網絡的優化
9.3誤差反向傳播算法
9.3.1反向傳播算法的推導
9.3.2反向傳播算法的向量形式
9.3.3反向傳播算法的擴展
9.4神經網絡學習中的一些問題
9.4.1初始化
9.4.2正則化
9.4.3幾類等價正則化技術
本章小結
本章習題
第10章神經網絡與深度學習之二： 結構
微課視頻123分鐘
10.1卷積神經網絡
10.1.1卷積運算及其物理意義
10.1.2基本CNN的結構
10.1.3CNN的參數學習
*10.1.4卷積的一些擴展結構
*10.1.5CNN示例介紹
10.2循環神經網絡
10.2.1基本RNN
10.2.2RNN的計算和訓練
*10.2.3長短期記憶模型
*10.2.4門控循環單元
本章小結
本章習題
第11章神經網絡與深度學習之三： 擴展
微課視頻174分鐘
11.1深度學習中的優化算法
11.1.1小批量SGD算法
11.1.2動量SGD算法
11.1.3自適應學習率算法
11.2深度學習訓練的正則化技術
11.2.1Dropout技術
11.2.2批歸一化
*11.2.3層歸一化
*11.3對抗訓練
*11.4自編碼器
11.4.1自編碼器的基本結構
11.4.2自編碼器的一些擴展
*11.5注意力機制和Transformer
11.5.1注意力機制
11.5.2序列到序列模型
11.5.3Transformer
*11．6預訓練技術和模型實例
11．6．1GPT模型
11．6．2BERT模型
本章小結
本章習題
第12章聚類和EM算法
微課視頻65分鐘
12.1聚類算法
12.1.1K均值聚類算法
12.1.2DBSCAN聚類算法
12.1.3其他度量和聚類算法
12.2EM算法
12.2.1EM算法的隱變量形式
12.2.2獨立同分布情況
*12.2.3EM算法擴展到MAP估計
*12.2.4通過KL散度對EM算法的解釋
12.3基于EM算法的高斯混合模型參數估計
12.3.1GMM參數估計
12.3.2GMM的軟聚類
本章小結
本章習題
第13章降維和連續隱變量學習
微課視頻20分鐘
13.1主分量分析
13.1.1主分量分析原理
13.1.2廣義Hebb算法
*13.2樣本向量的白化和正交化
13.2.1樣本向量的白化
13.2.2向量集的正交化
*13.3獨立分量分析
13.3.1獨立分量分析的原理和目標函數
13.3.2不動點算法FastICA
13.3.3自然梯度算法
13.3.4仿真實驗舉例
本章小結
本章習題
第14章強化學習之一： 經典方法
微課視頻178分鐘
14.1強化學習的基本問題
14.2馬爾可夫決策過程
14.2.1MDP的定義
14.2.2貝爾曼方程
14.2.3*優策略
14.2.4強化學習的類型
14.2.5探索與利用
14.3動態規劃
14.3.1策略迭代方法
14.3.2值函數迭代方法
14.4強化學習的蒙特卡洛方法
14.4.1MC部分策略評估
14.4.2MC策略改進
14.4.3在軌策略和離軌策略
14.5強化學習的時序差分方法
14.5.1基本時序差分學習和Sarsa算法
14.5.2離軌策略和Q學習
14.5.3DP、MC和TD算法的簡單比較
*14.5.4多步時序差分學習和資格跡算法
*14.6多臂賭博機
本章小結
本章習題
第15章強化學習之二： 深度強化學習
15.1強化學習的值函數逼近
15.1.1基本線性值函數逼近
*15.1.2線性值函數逼近的*小二乘策略迭代算法
15.1.3深度Q網絡
15.2策略梯度方法
15.2.1MC策略梯度算法Reinforce
15.2.2行動器評判器方法
*15.3連續動作確定性策略梯度方法
15.3.1DPG算法
15.3.2DDPG算法
15.3.3連續動作DRL的一些進展概述
*15．4深度強化學習的應用實例
15．4．1AlphaGo
15．4．2Suphx
15．4．3DRL在無人機自主導航中的應用
本章小結
本章習題
第16章深度生成模型
微課視頻203分鐘
16．1深度生成模型概述
16．2生成對抗網絡
16．2．1基本的生成對抗網絡
*16．2．2改進生成對抗網絡的目標函數
*16．2．3改進生成對抗網絡的結構
16．3變分自編碼器
16．3．1變分自編碼器原理
16．3．2變分自編碼器訓練算法
16．4深度擴散模型
16．4．1前向和反向過程
16．4．2擴散模型的目標函數
16．4．3擴散模型訓練算法和實現實例
*16．4．4擴散模型與評分網絡的關系和其他擴展
*16．5歸一流模型
本章小結
本章習題
附錄A課程的實踐型作業實例
A.1第1次實踐作業
A.2第2次實踐作業
A.3第3次實踐作業
附錄B函數對向量和矩陣的求導
附錄C術語表
參考文獻
視頻目錄
視 頻 名 稱時長/min位置
第1集導論1651.1節
第2集導論2311.3節
第3集導論3501.4節
第4集統計基礎1712.1節
第5集統計基礎2582.5節
第6集決策論393.1節
第7集回歸學習714.1節
第8集分類學習1514.4節
第9集分類學習2364.7節
第10集流程和評估905.1節
第11集核與SVM916.1節
第12集決策樹757.1節
第13集集成學習638.1節
第14集神經網絡949.1節
第15集深度學習17810.1節
第16集深度學習24510.2節
第17集深度學習33711.1節
第18集深度學習46811.4節
第19集深度學習56911.5.2節
第20集無監督學習16512.1節
第21集無監督學習22013.1節
第22集強化學習19514.1節
第23集強化學習28314.3節
第24集深度生成模型15316.1節
第25集深度生成模型24816.3節
第26集深度生成模型310216.4節
展開全部
機器學習 相關資料
在教育廳“十四五”高等教育教材體系建設工作部署下,新一代信息技術(人工智能)教材體系的建設工作正全面展開。作為較早開展人工智能教學及科研工作的單位之一,清華大學自動化系在該領域的課程建設和人才培養方面積累了深厚的經驗,取得了顯著的成果。作為領域的排頭兵,清華大學自動化系以牽引人工智能核心課程建設、提升領域人才自主培養質量為己任,發掘校內相關院系和國內其他高校的優秀科研、師資力量,聯合組建了編寫團隊,以清晰的理論框架為依據,以前沿的科研知識為核心,以先進的實踐案例為示范,以國家的發展政策為導向,編寫了本套人工智能教材……我相信,這套人工智能系列教材的出版,將為廣大讀者特別是高校學生打開人工智能的大門,帶領大家在人工智能的無限可能中盡情探索。我也期待廣大讀者能夠充分利用這套教材,不斷提升自己的專業素養和創新能力,成為具備“獨辟蹊徑”能力的創新拔尖人才、具備“領軍開拓”能力的戰略領軍人才、具備“攻堅克難”能力的大國工匠人才,為我國人工智能事業的繁榮發展貢獻智慧和力量。戴瓊海中國人工智能學會理事長，中國工程院院士
機器學習 作者簡介
張旭東: 清華大學電子工程系長聘教授，博士生導師，主要研究方向為信號處理和機器學習。主持國家級、省部級項目，以及企業合作項目數十項，發表學術論文180余篇，出版圖書8部。獲得愛思唯爾的最高引用論文獎（The Most Cited Paper Award）和英國工程技術學會國際雷達會議的最優論文獎。兩次獲得清華大學教學成果獎一等獎，三次獲得清華大學優秀教材獎，獲得鄭君里教書育人杰出貢獻獎和章毓晉圖書獎一等獎。
書友推薦
- >
羅庸西南聯大授課錄
- >
朝聞道
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
史學評論
- >
羅曼·羅蘭讀書隨筆-精裝
- >
二體千字文
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
