电子书：《机器学习与应用》_雷明_2019-01-01《机器学习与应用》_雷明_20190101
111
内容简介：
机器学习与应用雷明著请大学出版社
内容简介机器学习是当前解决很多人工智能问题的核心技术.深度学习的出现带来了自2012年以来的人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材.系统、深人地讲述机器学习与深度学习的主流方法与理论.并紧密结合工程实践与应用。全书由21章组成.共分为三大部分。第1~3章为第一部分.介绍机器学习的基本原理、所需的数学知识(包括微积分、线性代数、概率论和最优化方法).以及机器学习中的核心概念。第4~20章为第二部分.是本书的主体.介绍各种常用的有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法。对于每种算法.从原理与推导、工程实现和实际应用3个方面进行介绍.对于大多数算法.都配有实验程序。第21章为第三部分.介绍机器学习和深度学习算法实际应用时面临的问题.并给出典型的解决方案。此外.附录a给出各种机器学习算法的总结.附录b给出梯度下降法的演化关系.附录c给出em算法的推导本书理论推导与证明详细、深入.结构清晰.详细地讲述主要算法的工程实现细节.配以著名开源库的源代码分析(包括 libsvm. liblinear、 opencv、caf等开源库).让读者不仅知其然.还知其所以然.真正理解算法、学会使用算法。对于计算机、人工智能及相关专业的本科生和研究生.这是一本适合人门与系统学习的教材.对于从事人工智能和机器学习产品研发的工程技术人员.本书也具有很强的参考价值本书封面贴有清华大学出版社防伪标签.无标签者不得销售版权所有.侵权必究。侵权举报电话:010-6278298913701121933图书在版编目(cip)数据机器学习与应用/雷明著.一北京:清华大学出版社.2019isbn978-7-302-51468-机…ⅱ.①雷…ⅲ.①机器学习ⅳ.①tp181中guo版本图书馆cp数据核字(2018)第256549号在x杨玉兰李红英出版发行:清华大学出版社网址http地址:北京清华大学学研大厦a座邮编:100084邮购:010-62786544投稿与读者服务:010-62776969. service@tup. tsinghua.质量反馈:[email protected]课件下载http://0=62795954印装者:清华大学印刷厂经销:全guo新华书店开本:185mm×260mm印张:37数:911千字版次:2019年1月第1版印次:2019年1月第1次印刷产品编号:079772
序近年来.随着ibm沃森、谷歌 deepmind alphago等新型人机系统的横空出世.人工智能ri益受到全社会的关注.媒体报道热度空前。事实上.伴随大数据、深度学习、智能芯片等技术的成熟、政府的扶持以及资本的持续投方面在前端催生了刷脸支付、智能音箱、以图搜图、智能翻译等新的商业场景和产品;另一方面.在后端.人工智能也正深刻地改变着既有的技术模式和流程。例如.在端对端的深度神经网络中.一些传统的特征工程模块被弱化乃至取代;原本基于单步预测的个性化推荐引擎被强化学习技术改造放眼世界.人工智能正成为guo际竞争的新焦点。英guo、美guo、新加坡等guo家也各自提出了推动人工智能相关技术与产业发晨的纲要与规划。美guoguo防部高级研究计划局则于2018年9月宜布将投入20亿美元开展一项名为 ai next的计划.其旨在加速人工智能研究。mit则计划斥资10亿美元.建设新的计算机学院.致力于将人工智能技术用子该校的所有研究领域。在guo内.guo务院于2017年7月发布了《guo务院关于印发新一代人工智能发展规划的通知》。清华大学、上海交通大学、南京大学等guo内顶级高校.也陆续成立了自己的人工智能研究胱。在工业界.商汤、旷视、依图等人工智能独角兽企业.也带动了人工智能技术在guo内的落地与发展从学术角度来看.以1956年达特茅斯会议作为人工智能学科公认的起点.60多年的沉浮史见证了多次起伏.诞生了多个思想学派。近30年的人工智能发展.在作者看来.机器学习(包括深度学习)成为这期间的主流思想和技术。支持向量机、随机森林、决策树、卷积神经网络、循环神经网络、生成对抗网络和强化学习等方法层出不穷.构成了当代人工智能的华丽篇章。与此同时.大量机器学习开源框架和成型工具对用户ri益“友好”。初学者往往不需要太多的数学基础和編程能力.筒单调用接口即可完成一些人工智能任务。这些条件往往可以快速给予初学者信心.鼓励更多人才进入人工智能相关领域.推动了人工智能的应用。同时.一些从业者对开源软件或者框架的过度依赖.乃至抱着一种不求甚解的态度.不去理解和掌握主要算法和模型背后的原理和数学基础。如此一来.个体的技术发展潜力受限.而整个行业的持续发展也将缺乏商级人才基础。事实上.尽管人工智能算法工具ri益傻瓜化.甚至出现了 autom这样的自动化机器学习技术.然而深刻理解算法背后的机理.面对具体问题选择合适模型、训练算法和超参数的能力.充分体现机器学习从业者的创新能力和解决问题的能力。事实上.一定程度的学习曲线.也意味着个人竞争力的门槛本人全面阅读了雷明老师的作品.在语言精确性和条理性、内容全面性和完整性、理论深度以及工程实践指导方面.不啻为集专业性与通俗性为一体的上乘之作。特别是在公式
机器学习与应用步步推导的细节方面.有非常仔细的表述.给人一种踏实的感觉。我相信通过本书.读者将可以高效、细致、全面地掌握机器学习的主流知识点和整体脉络。在碰到具体问题时.本书的专业内容也方便读者进行快速查阅和巩人工智能的车轮滚滚向前.从业人员都力图赶上趋势的发展。开卷有益.希望本书能够帮助读者打好机器学习的内功基础.缓解部分从业者内心的焦虑。相信翻看此书时的获得感和充实感.会为读者留下一段美好的回忆上海交通大学特别研究员严骏驰2018年11月24ri于广州白云guo际会议中心
前言自2012年以来.得益于深度学习技术的迅猛进步.人工智能无论是在学术界还是在产业界都迎来了蓬勃发展.各种新的技术与算法层出不穷.推动机器学习技术大规模走向应用。与之相对应的是优秀教材的缺乏.由于技术的快速进步.此前的经典书籍面临内容老化的问題。本书的立意是帮助人工智能相关方向的在校学生与工程技术人员更好地理解和掌握这门技术.书的原型出自于笔者在 modo公司的内部培训讲义.在同事们的鼓励下.最终将其写成这本书对于绝大多数从事学术研究与产品研发的读者来说.理解算法的原理与掌握算法的实现及应用是同等重要的事情。计算机科学(尤其是人工智能)是偏实践的学科.研究这些算法的最终目的是将其直接投入实际应用。因此.本书从理论与实践两个方面进行讲解.让读者不仅能够理解算法的厚理.还能学会算法的实现与应用.做到理论与实践的结合本书全面系统地讲解目前主要的机器学习算法.包括有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法4种类型.内容涵益当前主流的机器学习和深度学习算法。对于主要的算法.从理论讲解、实验程序、工程实现与源代码分析、实际应用4部分进行讲解。对于核心的推导和证明.笔者都详细给出学习本书需要读者具有数学(包括积分、线性代数、概率论等本科数学知识)与编程至夕掌握一门编程语言)的基础知识.部分算法和理论会用到离散数学、数据结构等课程的知识.但数量很少。因此.如果读者没有学过这两门课.对于理解没有大碍对于深度学习算法与理论.本书做了重点与深入的介绍。对于卷积神经网络、循环神经网络等应用最广泛的方法.系统地介绍了它们的原理与实现.并分析了截至2017年的主要学术论文.包括基础算法与应用.保证本书的内容能够反映学术界与工程界的新成果本书提供一份非常精美的机器学习算法地图.可从sga1公众号或清华大学出版社)下载机器学习是范围极广、内容庞杂的一门学科.技术发展ri新月异.由于笔者的水平与经验有限.书中难免有错误与理解不到位的地方.敬请读者指正!2018年10月
#############################################
