"本书涵盖经典机器学习方法以及近年来发展迅速的深度学习和大模型的内容，在全面介绍人工智能领域的媒体认知、认知的生物机理、机器学习、深度学习以及**的 Transformer与大模型等基础知识的基础上，着重介绍回归与分类、支持向量机、集成学习、卷积神经网络、循环神经网络、贝叶斯决策、注意力机制、Transformer语言模型和多模态模型等现代机器学习的算法原理，并通过模拟视觉注意力机制的显著性计算、复制与近似图像检索、检测与识别等实际用例的算法过程来说明如何应用机器学习进行实际的媒体认知计算。 本书共9章，分为5部分：第1部分（第1、2章）为基础篇，第2部分（第3章）为经典篇，第3部分（第4~7章）为现代篇，第4部分（第8章）为决策篇，第5部分（第9章）为应用篇。全书提供了大量计算实例，每章后均附有习题。 本书可作为高等院校电子信息类、计算机类、人工智能等相关专业高年级本科生、低年级研究生的教材，也可供从事电子工程、信息技术、人工智能、机器人等相关领域的研发人员、科技工作者和研究人员参考，是一本专业性和通用性兼顾的现代机器学习和深度学习教材。 "

"王生进，清华大学长聘教授、博士生导师，中国图像图形学会视频图像与安全专委会主任。长期从事计算机视觉、机器学习、具身智能研究。主持多项国家自然科学基金项目、863项目、国家科技支撑计划、重点研发计划课题等。研究成果获得国家科技进步奖1次和省部级科学技术奖4次。连续6年入选爱思唯尔中国高被引学者榜单。彭良瑞，清华大学副研究员、博士生导师，IEEE高级会员。研究方向为机器视觉与人机交互、智能图文信息处理等。作为负责人承担多项国家自然科学基金项目、科技部重点研发计划课题以及国际合作项目等，参与TH-OCR多文种文档识别系统研制及产业化推广，获国家科技进步奖二等奖3次。李亚利，清华大学副研究员，CSIG视频图像与安全委员会成员。长期从事智能视觉识别与理解的研究。主持十四五重点研发计划课题、国家自然科学基金青年项目等。获吴文俊人工智能科学奖二等奖、公安部科学技术奖、ICPR赛道**论文奖、ICCPR**论文奖、ECCV无人机目标检测挑战赛等。方璐，清华大学教授、博士生导师，国家杰青。长期从事光场智能感知与计算的教学和科研工作。近5年发表SCI源刊论文30余篇，包括Nature 5篇、Science 1篇。主持国家自然科学基金项目5项。获国际Falling Walls科学突破奖、何梁何利奖、中国青年科技奖、科学探索奖。出版光场成像与智能处理方面的英文专著1部。"

前言 清华大学电子工程系经过整整十年的努力，正式推出新版核心课系列教材。这成果来 之不易！在这个时间节点重新回顾此次课程体系改革的思路历程，对于学生，对于教师，对 于工程教育研究者，无疑都有重要的意义。 一 高等电子工程教育的基本矛盾是不断增长的知识量与有限的学制之间的矛盾。这个判 断是这批教材背后最基本的观点。 当今世界，科学技术突飞猛进，尤其是信息科技，在20 世纪独领风骚数十年，至21 世 纪，势头依然强劲。伴随着科学技术的迅猛发展，知识的总量呈现爆炸性增长趋势。为了适 应这种增长，高等教育系统不断进行调整，以把更多新知识纳入教学。自18 世纪以来，高 等教育响应知识增长的主要方式是分化：一方面延长学制，从本科延伸到硕士、博士；一方 面细化专业，比如把电子工程细分为通信、雷达、图像、信息、微波、线路、电真空、微电 子、光电子等。但过于细化的专业使得培养出的学生缺乏处理综合性问题的必要准备。为 了响应社会对人才综合性的要求，综合化逐步成为高等教育主要的趋势，同时学生的终身 学习能力成为关注的重点。很多大学推行宽口径、厚基础本科培养，正是这种综合化趋势 使然。通识教育日益受到重视，也正是大学对综合化趋势的积极回应。 清华大学电子工程系在20 世纪80 年代有九个细化的专业，20 世纪90 年代合并成两个 专业，2005 年进一步合并成一个专业，即“电子信息科学类”，与上述综合化的趋势一致。 综合化的困难在于，在有限的学制内学生要学习的内容太多，实践训练和课外活动的 时间被挤占，学生在动手...