机读格式显示(MARC)

• 000 02016nam 2200289 450

• 001 0000311609

• 005 20230327104204.6

• 010 __ |a 978-7-302-60743-4 |d CNY59.00

• 092 __ |b CIP-67030FCA7EC64CAAB6BE27203C57BF4F

• 100 __ |a 20230316d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 机器学习教程 |A ji qi xue xi jiao cheng |e 微课视频版 |f 张旭东编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2023.2

• 215 __ |a xiv, 292页 |c 图 |d 26cm

• 225 2_ |a 高等学校电子信息类专业系列教材 |A gao deng xue xiao dian zi xin xi lei zhuan ye xi lie jiao cai |i 新形态教材

• 300 __ |a 教育部高等学校电子信息类专业教学指导委员会规划教材

• 314 __ |a 张旭东, 清华大学电子工程系长聘教授, 博士生导师, 主要研究方向为信号处理和机器学习。先后承担国家级、省部级和国际合作项目数十项。

• 330 __ |a 本书是一部论述机器学习原理与算法的立体化教材 (含纸质图书、教学课件和部分视频教程), 本书兼顾机器学习基础、经典方法和深度学习方法。对组成机器学习的基础知识和基本算法做了比较细致的介绍, 对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析, 并讨论了无监督学习的基本方法。用5章的篇幅对深度学习和深度强化学习做了相当全面的叙述, 不仅深入地讨论了反向传播算法、多层感知机、CNN网络、RNN网络和LSTM结构等深度神经网络的核心知识和结构, 对于一些发展中的专题如生成对抗网络 (GAN) 和Transformer等也予以一定深度的介绍。对于强化学习, 不仅介绍了经典表格方法, 也较详细地讨论了深度强化学习。

• 333 __ |a 本书是面向大学理工科和管理类各专业的一本宽口径、综合性机器学习教材, 可供本科高年级和研究生课程使用, 也可供科技人员、工程师和程序员自学机器学习的原理和算法之用。本书对基础和前沿、经典方法和热门技术做了尽可能地平衡, 使得读者不仅能在机器学习领域打下一个良好的基础, 同时也可以利用所学知识解决遇到的实际问题并进入学科前沿

• 410 _0 |1 2001 |a 高等学校电子信息类专业系列教材 |i 新形态教材

• 606 0_ |a 机器学习 |A ji qi xue xi |x 高等学校 |j 教材

• 690 __ |a TP181 |v 5

• 701 _0 |a 张旭东 |A zhang xu dong |4 编著

• 801 _0 |a CN |b 湖北三新 |c 20230316