《机器学习》
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分： 部分(～3 章)介绍机器学习的基础知识；第2 部分(第4～10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习)；第3 部分(1～16 章)为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
《深度学习.优化与识别》
深度神经网络是近年来受到广泛关注的研究方向，它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共十六章，分为两个部分；部分(章到第十章)系统论述了理论及算法，包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等；第二部分(第十一章到第十五章)论述了常用的深度学习平台，以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用；第十六章为总结与展望，给出了深度学习发展的历史图、前沿方及新进展。每章都附有相关阅读材料及仿真代码，以便有兴趣的读者进一步钻研探索。
本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考，以及作为相关专业本科生及研究生教学参考书，同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。
《机器学习》
内容；结构合理；叙述清楚；深入浅出。人工智能领域中文的开山之作！
这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.
然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究,
以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
《深度学习、优化与识别》的特色
深度学习是计算机科学与人工智能的重要组成部分。全书16章，分为理论与实践应用两部分，同时介绍5种深度学习主流平台的特性与应用，后给出了深度学习的前沿进展介绍，另附带47种相关网络模型的实现代码。本书具有以下的特点：
一、内容系统
全书16章，覆盖了深度学习当前出现的诸多经典框架或模型，分为两个部分。部分系统地从数据、模型、优化目标函数和求解等四个方面论述了深度学习的理论及算法，如卷积神经网络、深度生成模型等；第二部分基于5种主流的深度学习平台给出了深度网络在自然图像、卫星遥感影像等领域的应用，如分类、变化检测、目标检测与识别等任务。另外给出了深度学习发展的脉络图及研究进展，提供可基于5种平台实现的47中深度网络代码，以便有兴趣的读者进一步钻研探索。
二、叙述立场客观
作为深度学习的入门教材，尽可能不带偏见地对材料进行分析、加工以及客观介绍。本书理论部分均从模型产生的本源来介绍，并给出各个经典模型之间内在的相互联系。本书实践应用部分对相关任务做了详尽的分析，并给出深度学习应用实践的经验总结。
三、设计装帧精美
该书设计人性化，文字、公式、数学符号混排格式美观精致，特别是，全书采用全彩印制，软精装装帧。封面设计清新却不脱俗、学术化，足可以看出出版社和作者的用心。
《机器学习》
周志华，南京大学计算机系教授，ACM杰出科学家，IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中国计算机学会会士。国家杰出青年科学基金获得者、长江学者特聘教授。先后担任多种SCI(E)期刊执行主编、副主编、副编辑、编委等。中国计算机学会人工智能与模式识别专业委员会主任，中国人工智能学会机器学习专业委员会主任，IEEE计算智能学会数据挖掘技术委员会副。
《机器学习》
《深度学习.优化与识别》
[注]本套装以商品标题及实物为准，因仓位不同可能会拆单发货，如有需要购买前可联系客服确认后再下单，谢谢！
《机器学习》
ACM数据挖掘中国分会点评周志华教授的专著《机器学习》
2016-02-05 KDD China CKDD
南京大学周志华教授撰写的《机器学习》(清华大学出版社)上架不到一周即成为亚马逊
畅销商品，各网站上现货被抢购一空，一时间"洛阳纸贵"。技术类书籍热卖到此程度，相
当罕见。ACM数据挖掘中国分会部分专家仔细研读了这本专著，给出如下评价：
全书16章，附带相关矩阵、优化、概率知识的附录，共425页，62.6万字。中国计算机学会
终身成就奖得主陆汝钤院士作序，书后有作者自撰后记。该书有以下特点：
1. 内容系统。全书16章，覆盖了机器学习几乎所有的主要分支领域，覆盖面超过了该
领域国际著名书籍如ESL与PRML： 部分(-3 章)介绍机器学习的基础知识；第2 部
分(第4-10 章)介绍一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、
贝叶斯分类器、集成学习、聚类、降维与度量学习)；第3 部分(1-16 章)为进阶知识
，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及
强化学习。此外，书中每章都提供了精心总结的阅读文献，对读者进一步深造提供了极大帮
助。
2. 行文通畅易读。作者文笔精彩，全书思路清晰、文字活泼通畅，每章附带的小故事让读
者在轻松之余了解学科相关历史。尤为难得的是，作者很善于把复杂的事情说得简单明白，
避免数学公式的堆砌，重在说清技术内容的来龙去脉，让读者不仅"知其然"，还要"知其
所以然"。这不仅对初学者有益，对本领域研究者了解学科全局的发展思路也很有帮助。另
外，该书对关键的公式又有具体详尽的推导分析。
3. 叙述立场客观。作为入门教科书，尽可能不带偏见地对材料进行客观介绍重要。以往的一些书籍在此方面有失偏颇，如PRML把所有机器学习材料都从贝叶斯角度来诠释描述，这对高水平读者很有益，能让人看到各种内容均可以从不同学派的角度来理解；但是对入门读者，先入为主地强化单一学派的思路和价值观，对深入理解整个学科未必有益。周教授《
机器学习》书各种材料均从其本源产生的角度来介绍，令细心读者对各学派的优点都能有所体会，对入门者有益。
4. 设计装帧精美。该书近似方形开本，注释以边注形式出现，侧边空白便于读者写笔记，
设计很人性化。文字、公式、数学符号混排格式美观精致。特别是，彩图是彩印的！纸张也
相当好，足以看出作者和出版社的用心。封面设计清新文艺。该书可谓技术类书籍中的艺术
品，令人爱不释手。
ACM数据挖掘中国分会(KDD China)专家组一致认为，该书是重量专家用中文母语精心打
造，是不可多得的好书，必将成为该领域的经典名作。KDD China专家组将继续对国内相关
领域热门技术和进展做出点评。
作者简介：周志华教授是大陆位AAAIFellow，并且是IEEEFellow、IAPRFellow、ACM杰出
科学家，国际人工智能联合大会的机器学，国际数据挖掘大会，是人工智能、机
器学习、数据挖掘领域的重量专家。《机器学习》是周教授耗时两年精心打造的力作。
