机器学习观止：核心原理与实践-网络科技-文化科教-太极之巅书单号

书刊介绍

《机器学习观止：核心原理与实践》内容简介

本书在写作伊始，就把读者设想为一位虽然没有任何AI基础，但对技术本身抱有浓厚兴趣、喜欢“抽丝剥茧”、探究真相的“有识之士”。有别于市面上部分AI技术书籍从一开始就直接讲解各种“高深莫测”算法的叙述手法，本书尝试先从零开始构建基础技术点，而后“循序渐进”地引领读者前进，最终“直捣黄龙”，赢取最后的胜利。
全书据此分为5篇，共31章，内容基本覆盖了由AI发展历史、数学基础知识、机器学习算法等经典知识点以及深度学习、深度强化学习等较新理论知识所组成的AI核心技术。同时注重“理论联系实践”，通过多个章节重点介绍了如何在工程项目中运用AI来解决问题的诸多经验以及相应的模型算法，以期让读者既能享受到“知其所以然”的乐趣，还能体会到“知其然”的轻松和愉悦。本书适合对AI感兴趣的读者阅读，从事AI领域工作的研究人员、工程开发人员、高校本科生和研究生都可以从本书中学到机器学习的相关知识。
林学森，香港中文大学研究生学历，现为某世界100强科技公司首席技术专家、资深架构师。在系统软件、人工智能、软件工具链、分布式系统等领域具备多年的技术研发与项目管理经验。另著有《深入理解Android内核设计思想》《Android应用程序开发权威指南》等书籍。

作品目录

内容简介
作者简介
前言
机器学习基础知识篇
第1章：人工智能概述
第2章：机器学习中的数学基础
第3章：机器学习模型的度量指标
经典机器学习篇
第4章：回归算法
第5章：K-NN算法
第6章：k-means
第7章：朴素贝叶斯
第8章：决策树和随机森林
第9章：支持向量机
第10章：PCA降维
第11章：集成学习
深度学习进阶篇
第12章：深度神经网络
第13章：卷积神经网络
第14章：RNN与LSTM
第15章：深度强化学习
第16章：MCTS
机器学习应用实践及相关原理
第17章：数据集的建设
第18章：CNN训练技巧
第19章：CV和视觉识别经典模型
第20章：自然语言处理和CNN
第21章：自然语言处理和CNN
第22章：软件自动修复
第23章：基于强化学习的经典应用——AlphaGO
机器学习平台篇
第24章：分布式机器学习框架基础知识
第25章：Tensorflow
第26章：Caffe
第27章：scikit-learn
第28章：主流AI云平台
第29章：图像处理基础
第30章：程序切片技术
第31章：人工智能概述
参考文献