前言

新一轮科技革命和产业变革带动了传统产业的升级改造。党的二十大报告强调“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势”。建设高质量高等教育体系是摆在高等教育面前的重大历史使命和政治责任。高等教育要坚持国家战略引领，聚焦重大需求布局，推进新工科、新医科、新农科、新文科建设，加快培养紧缺型人才。

作为一种自动化、智能化的深度分析技术，机器学习旨在从由数据代表的现实世界中探索和挖掘潜在规律和隐含机理。机器学习不仅是许多高校人工智能专业的核心课程，也被纳入相关专业的课程体系。伴随着人工智能技术的快速发展，各行业对于智能算法的需求不断增长，对于拥有智能算法技术的专业人才需求也日益迫切。这为相应的人才培养和专业发展的课程目标及教材内容提出了新的要求。因此，从适应技术发展、专业发展和人才培养的需求出发，编写具有系统性、实用性和推广价值的智能算法教材，以适应新形势下的教材建设，具有极其重要的意义。

一方面本书围绕以“智能算法”为核心的课程内容体系和以“算法应用”为导向的两个核心内容进行编写。首先，教材重点讲解现应用场景中主流的智能算法基本原理，旨在帮助学习者理解并掌握这些基础理论； 其次，介绍和掌握机器学习中的主流方法，使学习者能够针对实际应用场景进行问题分析，并设计出相应的解决方案； 最后，教材注重在实际运行环境中实现算法的操作，以实现从理论到实践的转化。

另一方面，在人才培养和专业发展的推动下，本书在编写过程中注重课程内容与毕业要求的支撑关系，并通过实验和案例强化学生解决复杂工程问题的能力，体现“面向产出”的工程教育理念。

本书具有如下特点：

（1） 体系以“智能算法”为中心，保留经典算法理论，增加目前火热的深度学习新知识。既注重系统全面地介绍主流算法基本原理，又注重将主流算法融入应用场景中。

（2） 可用作教材，理论内容、实验及案例设计均以“面向产出”为中心。

（3） 突出算法与应用紧密结合的特点，结合应用案例及开发环境，强化能力训练。本书各章介绍的理论内容都融合了具体应用案例，在改善纯理论学习枯燥的同时，为学生自主实验的顺利开展提供良好的支撑，强化解决实际问题的能力训练。

（4） 案例的设计侧重对主流算法的理解与使用，对应用问题的分析与评价两方面的能力训练。

（5） 不仅面向在校人工智能及相关专业的学生，还面向致力从事与人工智能、数据挖掘等相关领域的学习者。

本书内容由四部分共12章组成，每章（除第1章外）最后都有详细的案例解析以及代码分析，使读者可以轻松完成理论到实践的转化，提升解决实际问题的能力，增强学习者动手解决问题的成就感。

第一部分理论基础，包括第1章，主要介绍机器学习发展历程、主流的应用场景和如何搭建算法实现的运行环境。

第二部分监督学习模型，包括第2～7章，主要介绍目前主流的六类智能算法的基本原理及案例，包括贝叶斯分类器、线性模型、决策树、K近邻、支持向量机和随机森林。

第三部分无监督学习模型，包括第8、9章，主要介绍两类无监督学习算法： 主成分分析和K均值聚类。

第四部分神经网络与深度学习，包括第10～12章，主要介绍几类目前流行的神经网络和深度学习框架，包括BP算法、卷积自编码网络、稀疏自编码网络、深度卷积神经网络、循环神经网络、生成对抗网络以及概率图模型。

在使用本书作为教材时，可以根据专业特性和课时数量对内容进行适当取舍，同时，每章后的参考文献可以供学习者查阅，这将有助于他们更好地理解和掌握课程内容。为方便教学，本书配有教学大纲、教案、教学课件、主要内容的教学视频、习题解答、案例程序源码和实验指导等教学资源。

本书的作者为袁建军，参与编写的还有西南大学人工智能学院陈睿、程静及重庆文理学院刘礼培。

在本书的编写过程中，参考了许多优秀的机器学习教材及相关文献资料，获益良多，特此表示最诚挚的感谢。

由于编者水平有限，书中难免存在缺点和错误，敬请广大读者及各位专家指正，不胜感谢。

编者

2024年4月