"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。

"