機器學習方法

　　機器學習是以概率論、統(tǒng)計學、信息論、**化理論、計算理論等為基礎(chǔ)的計算機應用理論學科，也是人工智能、數(shù)據(jù)挖掘等領(lǐng)域的基礎(chǔ)學科?！稒C器學習方法》全面系統(tǒng)地介紹了機器學習的主要方法，共分三篇。篇介紹監(jiān)督學習的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與**熵模型、支持向量機、Boosting、EM算法、隱馬爾可夫模型、條件隨機場等；第二篇介紹無監(jiān)督學習的主要方法，包括聚類、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配、PageRank算法等。第三篇介紹深度學習的主要方法，包括前饋神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、序列到序列模型、預訓練語言模型、生成對抗網(wǎng)絡等。書中每章介紹一兩種機器學習方法，詳細敘述各個方法的模型、策略和算法。從具體例子入手，由淺入深，幫助讀者直觀地理解基本思路，同時從理論角度出發(fā)，給出嚴格的數(shù)學推導，嚴謹詳實，讓讀者更好地掌握基本原理和概念。目的是使讀者能學會和使用這些機器學習的基本技術(shù)。為滿足讀者進一步學習的需要，書中還對各個方法的要點進行了總結(jié)，給出了一些習題，并列出了主要參考文獻?！稒C器學習方法》是機器學習及相關(guān)課程的教學參考書，適合人工智能、數(shù)據(jù)挖掘等專業(yè)的本科生、研究生使用，也供計算機各個領(lǐng)域的專業(yè)研發(fā)人員參考。

　　李航，字節(jié)跳動科技有限公司人工智能實驗室總監(jiān)， IEEE會士、ACL會士、ACM杰出科學家、CCF杰出會員。研究方向包括信息檢索、自然語言處理、統(tǒng)計機器學習及數(shù)據(jù)挖掘。李航于1988年從日本京都大學電氣工程系畢業(yè)，1998年獲得日本東京大學計算機科學博士。他1990年至2001年就職于日本NEC公司中央研究所，任研究員；2001年至2012年就職于微軟亞洲研究院，任高級研究員與主任研究員；2012年至2017年就職于華為技術(shù)有限公司諾亞方z實驗室，任首席科學家、主任。李航一直活躍在相關(guān)學術(shù)領(lǐng)域，曽出版過四部學術(shù)專著，并在頂級國際學術(shù)會議和頂級國際學術(shù)期刊上發(fā)表過120多篇學術(shù)論文，包括SIGIR， WWW， WSDM， ACL， EMNLP， ICML， NIPS， SIGKDD， AAAI， IJCAI，以及NLE， JMLR， TOIS， IRJ， IPM， TKDE， TWEB， TIST等。他和同事的論文獲得了KDD2008最佳應用論文獎，他指導的學生獲得了SIGIR2008，ACL2012最佳學生論文獎。李航參與了多項產(chǎn)品開發(fā)，包括Microsoft SQL Server 2005， Microsoft Office 2007， Microsoft Live Search 2008， Microsoft Bing 2009， Bing 2010， Office 2010， Office 2012，擁有42項授權(quán)美國專利。李航還在頂級國際學術(shù)會議和頂級國際學術(shù)期刊擔任許多重要工作，如大會程序委員會主席，資深委員，及委員，期刊編委，包括SIGIR， WWW， WSDM， ACL， NAACL， EMNLP， NIPS，SIGKDD， ICDM， ACML， IJCAI， IRJ， TIST， JASIST， JCST等。