具体描述
《机器学习vs复杂系统》从跨学科视角来看待人工智能这个技术性的学科。围绕用数学模型预测未来这一主题，介绍算法，主要包括现在流行的机器学习和深度学习算法，以及算法要解决问题本身的复杂性。复杂的问题，需要复杂的算法，而算法设计背后的老师正是自然界的复杂性本身。
最终，我们上升到自然界解决复杂性最有利的工具，即人类智能本身，让读者从神经科学的角度再次理解人工智能这个大主题，理解神经科学是如何启发人工智能的，而人工智能又如何帮助我们理解人类智能本身。
《机器学习vs复杂系统》既适合具有高中以上数学知识的一般读者，作为他们了解人工智能和复杂系统领域的科普读物；也适合已经在人工智能领域工作的专业人士，使他们从工程视角之外的更大视角去看待这一领域，获得新的启发。
作者简介
目录信息
1 复杂系统 .. 2
2 用复杂网络看世界经济（阅读难度）. 7
3 风险管理策略之复杂科学视角 11
4 从物理角度看复杂 24
第二部分 机器学习
5 白话机器学习（阅读难度） 46
6 浅谈贝叶斯分析 53
7 简单贝叶斯分类器（阅读难度） . 57
8 决策树方法（阅读难度） . 60
9 感知机：神经网络的基础（阅读难度） 64
10 降维：应对复杂的通用武器（阅读难度） .. 67
第三部分 神经网络
11 神经网络不神秘 . 74
12 CNN 的几个关键词（阅读难度） 80
13 时间序列与RNN .. 91
14 会遗忘的神经网络（阅读难度） . 96
15 跟着AlphaGo 理解深度强化学习框架（阅读难度） 100
16 从阿尔法元看强化学习的更广阔潜力 .. 107
第四部分 宇宙间最复杂的就是我们的大脑
17 深层视觉信息的编码机制（阅读难度） . 114
18 大脑的自由能假说——兼论认知科学与机器学习（阅读难度） 121
19 大脑中的支持向量机（阅读难度） . 126
20 机器学习是如何巧妙理解我们大脑的工作原理的
（阅读难度） . 133
21 大脑经济学（阅读难度） 140
22 人工智能vs 人类智能（阅读难度） 149
第五部分 人工智能应用谈
23 人工智能会取代艺术家的工作吗 . 156
24 机器学习预测心理疾病 .. 159
25 人机协作决策的两种方式 . 164
26 小数据机器学习 .. 166
27 用深度学习玩图像的七重关卡 .. 170
28 深度学习助力基因科技 .. 174
29 机器学习对战复杂系统 .. 176
· · · · · · (收起)
读后感
近几日趁放假把这本书读完了，正如书名所揭示的，此书分为“复杂系统”和“机器学习”两部分，两者的关系大致是：这个世界本质是复杂的，而机器学习帮助我们克服这些复杂性。就复杂系统的部分而言，作者梳理的主线是：一维动力学系统要抓住“定点”；二维系统抓住“周期”或说...
评分近几日趁放假把这本书读完了，正如书名所揭示的，此书分为“复杂系统”和“机器学习”两部分，两者的关系大致是：这个世界本质是复杂的，而机器学习帮助我们克服这些复杂性。就复杂系统的部分而言，作者梳理的主线是：一维动力学系统要抓住“定点”；二维系统抓住“周期”或说...
评分近几日趁放假把这本书读完了，正如书名所揭示的，此书分为“复杂系统”和“机器学习”两部分，两者的关系大致是：这个世界本质是复杂的，而机器学习帮助我们克服这些复杂性。就复杂系统的部分而言，作者梳理的主线是：一维动力学系统要抓住“定点”；二维系统抓住“周期”或说...
评分近几日趁放假把这本书读完了，正如书名所揭示的，此书分为“复杂系统”和“机器学习”两部分，两者的关系大致是：这个世界本质是复杂的，而机器学习帮助我们克服这些复杂性。就复杂系统的部分而言，作者梳理的主线是：一维动力学系统要抓住“定点”；二维系统抓住“周期”或说...
评分近几日趁放假把这本书读完了，正如书名所揭示的，此书分为“复杂系统”和“机器学习”两部分，两者的关系大致是：这个世界本质是复杂的，而机器学习帮助我们克服这些复杂性。就复杂系统的部分而言，作者梳理的主线是：一维动力学系统要抓住“定点”；二维系统抓住“周期”或说...
用户评价
写作的目的太大了，科普肯定是没达到，读懂这书还是需要些机器学习的基础知识的，但给从业者开拓视野的作用是有的，也是值得肯定的。
评分有点粗糙但还是受教了
评分有点粗糙但还是受教了
评分写的还挺好！但配图很差
评分有点粗糙但还是受教了
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有