本书分为两大部分: 部分主要基于Scikit-Learn,介绍机器学习的基础算法;第二部分则使用TensorFlow和Keras,介绍神经网络与深度学习。从外,附录部分的内容也 丰富,包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博,覆盖了机器学习的各个领域,不仅介绍了传统的机器学习模型,包括支持向量机、决策树、随机森林和集成方法,还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨,包括各种神经网络架构、强化学习,以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战,既适合在校学生,又适合有经验的工程师。
本书力求构建开放协同的人工智能科技创新课程体系,从基础理论、技术、平台、人才培养等多方面部署,以智能机器人为载体,开展跨学科探究性的学习和项目式学习。内容软硬件相结合,指导学生通过学习AI和机器人的基础知识,培养学生的科学探究精神以及团队合作能力,在提升学生对机器人技术的认知和实践能力的同时,达到启发学生创新思维的目的。通过本教材的系统理论学习与实践演练,能使学生初步了解和掌握智能机器人所涉及的机械、电子、编程、控制等综合学科知识。