机读格式显示(MARC)

• 000 01758nam0 2200265 450

• 001 0000402325

• 005 20230311145200.0

• 010 __ |a 978-7-301-31347-3 |d CNY89.00

• 100 __ |a 20200930d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 机器学习与深度学习算法基础 |A ji qi xue xi yu shen du xue xi suan fa ji chu |f 贾壮编著

• 210 __ |a 北京 |c 北京大学出版社 |d 2020

• 215 __ |a 391页 |c 图 |d 26cm

• 312 __ |a 封面有并列英文题名:Fundamentals of machine learning and deep learning algorithms

• 314 __ |a 贾壮,毕业于清华大学自动化系,专业为模式识别与智能系统方向。主要从事于机器学习与深度学习在图像处理以及地球物理领域内的相关应用研究,对机器学习相关算法有较深的理解。

• 330 __ |a 本书从机器学习的概念与基本原理开始,介绍了机器学习及近年来流行的深度学习领域的经典模型。阅读本书可以让读者系统地了解机器学习和深度学习领域的基本知识,领会模型算法的思路与策略本书分为两篇,共18章。第一篇为经典机器学习模型,主要介绍常用的机器学习经典模型,包括线性回归、支持向量机模型、逻辑斯蒂回归、决策树模型、k近邻、朴素贝叶斯、线性判别分析和主成分分析、流形学习、聚类算法、稀疏编码、直推式支持向量机、集成算法。第二篇为深度学习模型与方法,剖祈神经网络的基本要素,并介绍常用的深度学习模型,包括感知机、卷积神经网络、循环神经网络、生成对抗网络。本书试图从初学者的角度对机器学习和深度学习的经典算法进行详细阐述。本书插图丰富,语言通俗易懂,适合初入机器学习领域的“萌新”,也适合希望将机器学习算法应用到日常工作中的其他专业从业者,还可供对人工智能领域感兴趣的读者参考阅读。

• 510 1_ |a Fundamentals of machine learning and deep learning algorithms |z eng

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi |x 算法

• 690 __ |a TP181 |v 5

• 701 _0 |a 贾壮 |A jia zhuang |4 编著

• 801 _0 |a CN |b DQNU |c 20230309

• 905 __ |a DQNU |d TP181/J35 |s 1