机器学习与深度学习

本书是“高级人工智能人才培养丛书”中的一本，首先介绍了机器学习的相关概念和发展历史，并在此基础上提出了深度学习——它本质上是近几年来大数据技术催生的产物。本书共12章，其中，第1～7章为机器学习的内容，分别介绍了机器学习的简单模型、贝叶斯学习、决策树、支持向量机、集成学习和聚类；第8～12章为深度学习的内容，由感知机与神经网络始，之后分别介绍了卷积神经网络、循环神经网络、生成对抗网络及强化学习。第2～12章均提供了相应的实验案例，不仅配有完整翔实的Python语言代码及相关注释，也给出了实验结果和实验分析，便于初学者上机操作并加强理解。本书注重易学性、系统性和实战性。
【作者】
陶玉婷，2013年毕业于南京理工大学，获模式识别与智能系统专业的工学博士学位。曾于2010—2011年赴美国亚利桑那州立大学访学半年。现为金陵科技学院智能科学与技术专业骨干教师、CCF会员和JSAI会员。讲授人工智能数学基础、机器视觉与边缘计算应用等课程，发表教改论文2篇，主持人工智能课程教学试项目1项。研究方向为图像处理、机器学习、数值计算，发表SCI论文6篇、EI论文4篇，申请软件著作权3项，并主持和参与校科研孵化基金项目、江苏省国际科技合作项目、江苏省自然科学重大项目、国家自然科学基金面上项目等多个科研项目。