机读格式显示(MARC)

• 000 01897nam 2200325 450

• 001 0000650109

• 005 20251124091800.0

• 010 __ |a 978-7-302-67525-9 |d CNY79.00

• 092 __ |a CN |b 人天1152-3635

• 100 __ |a 20241209d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习 |A ji qi xue xi |f 张旭东编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2024.11

• 215 __ |a XIII, 421页 |c 图 |d 26cm

• 225 2_ |a 新一代信息技术 (人工智能) 系列丛书 |A xin yi dai xin xi ji shu (ren gong zhi neng) xi lie cong shu

• 300 __ |a 新兴领域“十四五”高等教育教材

• 312 __ |a 英文题名取自封面

• 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, 在IEEE、IET、ACM等重要刊物和NIPS、AAAI、ICASSP、SIGIR等重要会议上发表学术论文150余篇, 出版著作5部。

• 320 __ |a 有书目 (第414-421页)

• 330 __ |a 本书对机器学习的基础知识和基本算法进行了详细的介绍, 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) 进行了深入的分析, 并讨论了无监督学习的基本方法。书中有6章内容对深度学习和深度强化学习进行了全面的叙述, 不仅讨论了反向传播算法、多层感知机、巻积神经网络, 循环神经网络和长短期记忆网络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Transformer、大模型和深度生成模型等) 也给予了深入的介绍。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及应用实例。本书对于基础理论、前沿理论、经典方法和热门技术尽可能平衡兼顾, 使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 新一代信息技术 (人工智能) 系列丛书

• 510 1_ |a Machine learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi |x 高等教育 |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 人天书店 |c 20241209

• 905 __ |a WXCSXY |d TP181/435