机器学习算法_[美] 安柯·莫特拉（Ankur Moitra）著，庄福振赵朋朋译译_9787111680482

本书探索理论计算机科学和机器学习这两个领域能够互相借鉴的知识，以此把它们关联起来。本书介绍机器学习中的重要模型和主要问题，并以一种容易理解的方式介绍该领域的前沿研究成果以及现代算法工具，包括矩量法、张量分解法和凸规划松弛法。本书共8章，内容涵盖非负矩阵分解、主题模型、张量分解、稀疏恢复、稀疏编码、高斯混合模型和矩阵补全等。本书适合理论计算机科学家、机器学习研究人员以及相关专业的学生阅读和学习。

安柯·莫特拉（Ankur Moitra）　

麻省理工学院洛克威尔国际数学系副教授。他是麻省理工学院计算机科学和人工智能实验室（CSAIL）的首席研究员，也是计算理论小组、机器学习和统计中心的核心成员。他的工作目标是通过开发在行为推理方面具有可证明的保证和基础的算法，来在理论计算机科学和机器学习之间架起一座桥梁。他是帕克德奖学金、斯隆奖学金、美国国家科学基金会（NSF）终身成就奖、NSF计算与创新奖学金和赫兹奖学金的获得者。

◆ 译者简介 ◆

庄福振北京航空航天大学研究员、博士生导师，于2011年7月在中国科学院研究生院获得博士学位。主要从事机器学习、数据挖掘，包括迁移学习、多任务学习、推荐系统以及大数据挖掘应用等方面的研究，相关成果已经在本领域顶级、重要国际期刊和国际会议上发表/录用论文100余篇。迁移学习的工作曾获得SDM2010和CIKM2010的最佳论文提名，2013年获得中国人工智能学会优秀博士学位论文奖。入选2015年微软亚洲研究院青年教师“铸星计划”，2017年入选中国科学院青年创新促进会。

赵朋朋苏州大学教授，博士生导师，苏州工业园区科技领军人才, CCF 高级会员，CCF人工智能与模式识别专委会委员，CCF大数据专家委员会通讯委员。近年来，主持国家自然科学基金项目2项、省市级项目5项，获苏州市科技进步奖 2项；参加国家自然科学基金项目、教育部重点项目、江苏省重大科技支撑与自主创新项目等6项；主持多项企业/国防横向项目研发，包括推荐引擎、流式数据处理、大数据分析等。在相关学术会议和期刊上发表论文100余篇，其中包括50余篇TKDE、AAAI、IJCAI、WWW、ACM MM、ICDM等CCF-A/B类论文，被SCI、EI索引收录100余篇；申请国家发明专利30余项，其中20余项已获授权。担任AAAI、IJCAI、CIKM、DASFAA、PAKDD等权威国际会议程序委员会委员。主要研究兴趣包括推荐系统、数据挖掘、深度学习、大数据分析等。

你还可能感兴趣

我要评论