" 深度学习是电子信息科学与人工智能技术的关键支系行业. 这书做为该行业的新手入门教材内容,在內容上尽量包含深度学习基本知识的各层面. 全书共16 章,大概分成3 个一部分:第1 一部分(第1~3 章)详细介绍深度学习的基本知识;第2 一部分(第4~10 章)探讨某些經典而常见的深度学习方式(决策树、神经元网络、支持向量机、贝叶斯分类器、集成化学习培训、聚类分析法、降维与量度学习培训);第3 一部分(第11~16 章)为升阶专业知识,內容涉及到数据预处理与稀少学习培训、测算学习理论、半监督学习、几率图实体模型、规则学习及其增强学习等. 每章都附带练习题并详细介绍了相关阅读原材料,便于有兴趣爱好的用户深化刻苦钻研探寻。
这书可做为高等学校电子计算机、自动化技术及有关技术专业的本科毕业或硕士研究生教材内容,也能够对深度学习很感兴趣的科学研究工作人员和工程项目专业技术人员阅读文章参照。"
周志华,南京大学计算机专业专家教授,ACM优秀生物学家,IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中国计算机学会会士。國家杰出青年科学基金获奖者、长江学者教授。依次出任多种多样SCI(E)刊物实行总编、副主编、副编写、编委等。中国计算机学会人工智能技术与模式识别技术专业联合会负责人,中国人工智能学好深度学习技术专业联合会负责人,IEEE测算智能化学好数据挖掘算法联合会副书记。
目录
全书共16章, 大体上可分为3个部分:第1部分包括第1~3章, 介绍机器学习基础知识; 第2部分包括第4~10章, 介绍一些经典而常用的机器学习方法; 第3部分包括第11~16章, 介绍一些进阶知识. 前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.