本书将基础理论和案例实战相结合，循序渐进地介绍了关于机器学习领域中的经典和流行算法，全面、系统地介绍了使用Python实现机器学习算法，并通过PyTorch框架实现机器学习算法中的深度学习内容。第一部分为基础篇，包括第1~8章，系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、神经网络与多层感知机； 第二部分为综合篇，包括第9~12章，介绍了CNN、RNN、GNN及GAN等经典深度学习方法及其在计算机视觉与自然语言处理领域中的应用实践； 第三部分为拓展篇，包括第13~15章，以百度飞桨和旷视天元为例介绍了具有代表性的国产开源框架及其应用案例，最后简要介绍了国内外两个主流机器学习竞赛平台。 本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的科研人员。

刘袁缘,主要研究计算机视觉、跨模态情感计算、机器学习。CCF和IEEE会员，中国图像图形学会CSIG专委会委员，香港中文大学（深圳）客座副研究员。发表重要国际学术会议和期刊论文30余篇，出版学术专著2部，入选中国博士后优秀学术文库。先后主持国家面上基金和青年基金、武汉市科技局项目、航天基金预研项目。目前担任《Pattern recognition》、《Multimedia and tools application》、《IEEE Transactions on Automation Science and Engineering》、《 International Journal of Remote Sensing》、《IEEE Access》、FCS、《计算机学报》《测绘学报》等期刊和国际会议审稿人。

前言 近年来，随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴起，掀起一场新的技术革命，各行各业对机器学习相关人才的需求也随之而来。机器学习作为数学与计算机的交叉学科，旨在培养集数学分析和计算机编程于一体的优秀人才，适应于当前人工智能的高速发展。 本书的编写旨在帮助大量对机器学习和数据挖掘应用感兴趣的读者朋友，整合并应用时下最流行的基于Python语言的机器学习程序库，如scikitlearn、PyTorch等； 针对现实中的科研问题，甚至是企业案例、Kaggle竞赛(当前最流行的机器学习竞赛平台)中的应用任务，快速搭建有效的机器学习系统。 本书每一章都描述一个经典的机器学习方法及其实践案例。作者在充分讲解了方法的理论基础上，进一步通过应用案例手把手地教读者如何搭建一个机器学习模型及其应用。本书力求减少读者对编程技能和数学知识的过分依赖，进而降低理解本书与应用机器学习模型的门槛，并试图让更多的兴趣爱好者体会到使用经典模型以及更前沿的深度学习模型的乐趣。 本书主要内容 本书可被视为一本以问题为导向的书籍，非常适合具备一定数学基础和计算机编程基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。 作为一本关于机器学习应用实战的书籍，本书分为三部分，包括基础篇、综合篇和拓展篇，共15章。 第一部分为基础篇，包括第1~8章。 第1章为机器学习基础，首先简要阐述机器学习的相关任务，并对机器学习中常用的术语进行了讲解； 然后介绍了机器学习最常用的编程语言与环境，展示了Python的安装、使用方法和PyTorch框架。 第2章为数据预...