机器学习作为人工智能最重要的技术和工具，已成功应用于解决各种复杂问题。本书在简略介绍机器学习的基本方法与算法的基础上，通过搜集典型复杂问题的人工智能解决方案，诸如手写数字识别、雷达自动目标识别、癌症诊断、超强噪声污染情况下的图像过滤、基因芯片异质性校正、孕妇子痫前期风险预测，以及一些典型的组合优化问题，如多约束最短路径问题和旅行商问题等，考察如何运用机器学习技术，创造解决复杂问题的有效方法和算法，并通过这些案例窥视出人工智能技术的巨大优势和其面临的极其严峻的挑战。
本书可作为本科生、研究生和博士生学习机器学习相关课程的教材，也可供高校计算机科学、人工智能、自动化等专业技术人员，以及对机器学习、人工智能感兴趣的研究人员和工程师参考。

CHAPTER 1 Basics of Machine Learning
1.1 Problem statement and solution framework
1.2 Supervised learning
1.2.1 MLP
1.2.2 CNN
1.2.3 RBF network
1.2.4 SVM
1.2.5 Comments
1.3 Unsupervised learning
1.3.1 K-means
1.3.2 Self-organizing map
1.3.3 Comments
1.4 Representation learning
1.4.1 PCA
1.4.2 LDA
1.4.3 ICA
1.4.4 NMF
……