機器學習與應用

機器學習是當前解決很多人工智能問題的核心技術，深度學習的出現帶來了自2012年以來的人工智能復興。本書是機器學習和深度學習領域的入門與提高教材，系統、深入地講述機器學習與深度學習的主流方法與理論，並緊密結合工程實踐與應用。全書由21章組成，共分為三大部分。第1～3章為第一部分，介紹機器學習的基本原理、所需的數學知識（包括微積分、線性代數、概率論和最優化方法），以及機器學習中的核心概念。第4～20章為第二部分，是本書的主體，介紹各種常用的有監督學習算法、無監督學習算法、半監督學習算法和強化學習算法。對於每種算法，從原理與推導、工程實現和實際應用3個方面進行介紹，對於大多數算法，都配有實驗程序。第21章為第三部分，介紹機器學習和深度學習算法實際應用時面臨的問題，並給出典型的解決方案。此外，附錄A給出各種機器學習算法的總結，附錄B給出梯度下降法的演化關系，附錄C給出EM算法的推導。 本書理論推導與證明詳細、深入，結構清晰，詳細地講述主要算法的工程實現細節，配以著名開源庫的源代碼分析（包括libsvm、liblinear、OpenCV、Caffe等開源庫），讓讀者不僅知其然，還知其所以然，真正理解算法、學會使用算法。對於電腦、人工智能及相關專業的本科生和研究生，這是一本適合入門與系統學習的教材，對於從事人工智能和機器學習產品研發的工程技術人員，本書也具有很強的參考價值。