"(1) 角度新颖,探索核心。
本书围绕数据表示学习介绍机器学习,解决机器学习及其应用的核心问题,角度较为新颖。人工智能涉及计算机视觉中图像和视频内容的理解、自然语言的理解以及具有拓扑结构的图网络理解等任务。完成此类高阶人工智能任务的核心,是解决如何从各类型的原始数据中智能地提取出重要的模式、特征、嵌入和表示等信息,从而帮助解决下游的具体应用任务。
(2) 夯实基础,紧追前沿。
本书不仅包含传统的机器学习模型和算法,还纳入**的发展成果。例如,对比学习作为无监督学习技术之一,近年来显示出来强大的表示学习能力,极大地缩小甚至超过了现有的有监督模型的性能,此部分内容被纳入本书中。
(3) 注重理论,联系实际。
本书不仅详细介绍数据表示学习的基础理论和方法,也阐述了它们在计算机视觉、自然语言处理和图网络分析任务中的实际应用。本书介绍了数值、图像、视频、语音、自然语言、图网络等不同类型数据的表示学习方法,并提供可学习和可执行的项目代码。
(4) 详细全面,使用方便。
本书内容详细全面,对于各章节内容由浅入深、详细论述,以便读者在学习过程中更加容易理解各个算法提出的动机、具体的步骤、性能特点、应用领域等。除了通过数学公式描述算法外,也注重图表的可视化展示,以及详尽的文字描述。
"