《機器學習》
機器學習是計算機科學與人工智能的重要分支領域. 本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面. 全書共16 章，大致分為3 個部分： 部分(～3 章)介紹機器學習的基礎知識；第2 部分(第4～10 章)討論一些經典而常用的機器學習方法(決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習)；第3 部分(1～16 章)為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等. 每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索。
本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
《深度學習.優化與識別》
深度神經網絡是近年來受到廣泛關注的研究方向，它已成為人工智能2.0的主要組成部分。本書系統地論述了深度神經網絡基本理論、算法及應用。全書共十六章，分為兩個部分；部分(章到第十章)系統論述了理論及算法，包括深度前饋神經網絡、深度卷積神經網絡、深度堆棧神經網絡、深度遞歸神經網絡、深度生成網絡、深度融合網絡等；第二部分(第十一章到第十五章)論述了常用的深度學習平臺，以及在高光譜圖像、自然圖像、SAR與極化SAR影像等領域的應用；第十六章為總結與展望，給出了深度學習發展的歷史圖、前沿方及新進展。每章都附有相關閱讀材料及仿真代碼，以便有興趣的讀者進一步鉆研探索。
本書可為高等院校計算機科學、電子科學與技術、信息科學、控制科學與工程、人工智能等領域的研究人員提供參考，以及作為相關專業本科生及研究生教學參考書，同時可供深度學習及其應用感興趣的研究人員和工程技術人員參考。
《機器學習》
內容；結構合理；敘述清楚；深入淺出。人工智能領域中文的開山之作！
這是一本面向中文讀者的機器學習教科書, 為了使盡可能多的讀者通過本書對機器學習有所了解, 作者試圖盡可能少地使用數學知識.
然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免. 因此, 本書更適合大學三年級以上的理工科本科生和研究,
以及具有類似背景的對機器學習感興趣的人士. 為方便讀者, 本書附錄給出了一些相關數學基礎知識簡介.
《深度學習、優化與識別》的特色
深度學習是計算機科學與人工智能的重要組成部分。全書16章，分為理論與實踐應用兩部分，同時介紹5種深度學習主流平臺的特性與應用，后給出了深度學習的前沿進展介紹，另附帶47種相關網絡模型的實現代碼。本書具有以下的特點：
一、內容系統
全書16章，覆蓋了深度學習當前出現的諸多經典框架或模型，分為兩個部分。部分系統地從數據、模型、優化目標函數和求解等四個方面論述了深度學習的理論及算法，如卷積神經網絡、深度生成模型等；第二部分基于5種主流的深度學習平臺給出了深度網絡在自然圖像、衛星遙感影像等領域的應用，如分類、變化檢測、目標檢測與識別等任務。另外給出了深度學習發展的脈絡圖及研究進展，提供可基于5種平臺實現的47中深度網絡代碼，以便有興趣的讀者進一步鉆研探索。
二、敘述立場客觀
作為深度學習的入門教材，盡可能不帶偏見地對材料進行分析、加工以及客觀介紹。本書理論部分均從模型產生的本源來介紹，并給出各個經典模型之間內在的相互聯系。本書實踐應用部分對相關任務做了詳盡的分析，并給出深度學習應用實踐的經驗總結。
三、設計裝幀精美
該書設計人性化，文字、公式、數學符號混排格式美觀精致，特別是，全書采用全彩印制，軟精裝裝幀。封面設計清新卻不脫俗、學術化，足可以看出出版社和作者的用心。
《機器學習》
周志華，南京大學計算機系教授，ACM杰出科學家，IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中國計算機學會會士。國家杰出青年科學基金獲得者、長江學者特聘教授。先后擔任多種SCI(E)期刊執行主編、副主編、副編輯、編委等。中國計算機學會人工智能與模式識別專業委員會主任，中國人工智能學會機器學習專業委員會主任，IEEE計算智能學會數據挖掘技術委員會副。
《機器學習》
《深度學習.優化與識別》
[注]本套裝以商品標題及實物為準，因倉位不同可能會拆單發貨，如有需要購買前可聯系客服確認后再下單，謝謝！
《機器學習》
ACM數據挖掘中國分會點評周志華教授的專著《機器學習》
2016-02-05 KDD China CKDD
南京大學周志華教授撰寫的《機器學習》(清華大學出版社)上架不到一周即成為亞馬遜
暢銷商品，各網站上現貨被搶購一空，一時間"洛陽紙貴"。技術類書籍熱賣到此程度，相
當罕見。ACM數據挖掘中國分會部分專家仔細研讀了這本專著，給出如下評價：
全書16章，附帶相關矩陣、優化、概率知識的附錄，共425頁，62.6萬字。中國計算機學會
終身成就獎得主陸汝鈐院士作序，書后有作者自撰后記。該書有以下特點：
1. 內容系統。全書16章，覆蓋了機器學習幾乎所有的主要分支領域，覆蓋面超過了該
領域國際著名書籍如ESL與PRML： 部分(-3 章)介紹機器學習的基礎知識；第2 部
分(第4-10 章)介紹一些經典而常用的機器學習方法(決策樹、神經網絡、支持向量機、
貝葉斯分類器、集成學習、聚類、降維與度量學習)；第3 部分(1-16 章)為進階知識
，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及
強化學習。此外，書中每章都提供了精心總結的閱讀文獻，對讀者進一步深造提供了極大幫
助。
2. 行文通暢易讀。作者文筆精彩，全書思路清晰、文字活潑通暢，每章附帶的小故事讓讀
者在輕松之余了解學科相關歷史。尤為難得的是，作者很善于把復雜的事情說得簡單明白，
避免數學公式的堆砌，重在說清技術內容的來龍去脈，讓讀者不僅"知其然"，還要"知其
所以然"。這不僅對初學者有益，對本領域研究者了解學科全局的發展思路也很有幫助。另
外，該書對關鍵的公式又有具體詳盡的推導分析。
3. 敘述立場客觀。作為入門教科書，盡可能不帶偏見地對材料進行客觀介紹重要。以往的一些書籍在此方面有失偏頗，如PRML把所有機器學習材料都從貝葉斯角度來詮釋描述，這對高水平讀者很有益，能讓人看到各種內容均可以從不同學派的角度來理解；但是對入門讀者，先入為主地強化單一學派的思路和價值觀，對深入理解整個學科未必有益。周教授《
機器學習》書各種材料均從其本源產生的角度來介紹，令細心讀者對各學派的優點都能有所體會，對入門者有益。
4. 設計裝幀精美。該書近似方形開本，注釋以邊注形式出現，側邊空白便于讀者寫筆記，
設計很人性化。文字、公式、數學符號混排格式美觀精致。特別是，彩圖是彩印的！紙張也
相當好，足以看出作者和出版社的用心。封面設計清新文藝。該書可謂技術類書籍中的藝術
品，令人愛不釋手。
ACM數據挖掘中國分會(KDD China)專家組一致認為，該書是重量專家用中文母語精心打
造，是不可多得的好書，必將成為該領域的經典名作。KDD China專家組將繼續對國內相關
領域熱門技術和進展做出點評。
作者簡介：周志華教授是大陸位AAAIFellow，并且是IEEEFellow、IAPRFellow、ACM杰出
科學家，國際人工智能聯合大會的機器學，國際數據挖掘大會，是人工智能、機
器學習、數據挖掘領域的重量專家。《機器學習》是周教授耗時兩年精心打造的力作。
