《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》
《深度學習》由全球知名的三位專家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：部分介紹基本的數學工具和機器學習的概念，它們是深度學習的預備知識；第2部分系統深入地講解現今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的方向和想法，它們被認可為是深度學習未來的研究重點。
《深度學習》適合各類讀者閱讀，包括相關專業的大學生或研究生，以及不具有機器學習或統計背景、但是想要快速補充深度學習知識，以便在實際產品或平臺中應用的軟件工程師。
《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》
AI圣經！深度學習領域奠基性的經典暢銷書！長期位居美國亞馬遜AI和機器學習類圖書榜首！所有數據科學家和機器學習從業者的bi讀圖書！特斯拉CEO埃隆 馬斯克等國內外眾多專家推薦！中文版由北京大學數學科學學院統計學教授張志華審校。
深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。
本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、卷積網絡、序列建模和實踐方法等，并且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。
封面特色：由藝術家Daniel Ambrosi提供的中央公園杜鵑花步道夢幻景觀。在Ambrosi的億級像素全景圖上，應用Joseph Smarr(Google)和Chirs Lamb(NVIDIA)修改后的Google DeepDream開源程序，創造了Daniel Ambrosi的"幻景"。
《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主席。
《機器學習》
《深度學習》
[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，國際數據挖掘大會主席，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。
