前言 机器学习（Machine Learning，ML）是一门多领域交叉学科，它是人工智能的核心，也是使计算机具有智能的根本途径。机器学习涉及统计学、概率论、凸分析、逼近论、算法复杂度理论等多门学科。进入21世纪以来，机器学习在不胜枚举的应用领域内如人类基因组认知、模糊图像识别、无人驾驶车、高效语音识别、精确网络搜索等方面大力发展。2016年1月27日到2017年5月7日，谷歌研究者开发的名为“阿尔法围棋”（Alpha Go）的人工智能机器人在与人类的对弈中连续完胜欧洲围棋冠军、世界围棋冠军李世石以及世界围棋排名第一的柯洁； Master也在多家网络围棋平台连续挑落52名世界围棋高手。在人工智能面前，人类游戏智慧的最后一个堡垒也陷落了，人们既感到沮丧又心有不甘，由此带来世界范围内对人工智能和机器学习的热议，同时与机器学习有关的学术活动也空前活跃。 机器学习是一门让计算机在非精确编程下进行活动的科学。今天机器学习的应用非常普遍，人们每天都可能不知不觉几十次上百次地用到它却不了解它。与此同时，云教育打破了传统的教育信息化边界，推出了全新的教育信息立体化概念，智能化教育和教学过程成为当前研究的热点领域。通过将云教育与机器学习技术嫁接，不仅可以推动多种形式的集成学习系统研究，还能够增强连接学习和符号学习的耦合作用，更好地解决连续信号处理中知识与技能的获取与求精问题，对研究智慧学习模式对人类学习理念的影响大有裨益。 本书介绍机器学习的基本技术及应用，重点讲述机器学习算法所需的数学和统计知识。全书共7章。第1章主要介绍机器学习的兴起以及机器学习与现代教育技术的关系； 第2章主要介绍机器学习方法、相关术语和主要算法； 第3章主要讲解机器学习中概率主题模型； 第4章主要介绍基于主题情感最大熵LDA模型； 第5章主要讲解基于云模型和领域判别LDA模型； 第6章主要介绍CTM模型文本分类和观点挖掘； 第7章主要介绍云教育平台主题模型可视化应用。另外，在本书的附录A中给出了所取得的机器学习方法应用相关软件著作权，附录B中介绍了CTM主题模型仿真实验核心代码。 本书第1章由郑世珏编写，第2章由刘三编写，第3~第7章由马长林编写，全书由马长林和郑世珏统稿。 本书在撰写过程中得到了国家数字化学习工程技术研究中心、华中师范大学计算机学院相关领导和专家的大力支持； 本书还大量引用了国内外专家、学者在该领域的理论和实践研究成果，这些先驱者对我国历史文化数字化保护与共享做出了巨大贡献，为我们今天的研究奠定了良好基础。华中师范大学计算机学院王梦、谢罗迪、司琪、杨正良、陈梦丽、聂莉等研究生为本书的案例、软件设计和测试做出了重要贡献，在此一并表示深深感谢。 由于作者水平有限，书中难免存在不足之处，敬请读者批评指正。 作者 2018年12月

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接