qq_33831842的博客

van Idris 实验物理学硕士。先后任职于多家公司，从事Java开发、数据仓库开发和QA分析等工作。主要的兴趣是商业智能、大数据和云计算，喜欢编写整洁、可测试的代码，以及撰写有趣的技术文章。另著有NumPy Beginner's Guide和Instant Pygame for Python Game Development How-to等书

理论部分由4章构成，不仅涵盖了凸优化的所有基本概念和主要结果，还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法，这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成，分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成，依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法，以及如何利用凸优化理论分析这些方法的收敛性质

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等.

详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。

本书系统地介绍了语音信号处理的概念、原理、方法与应用以及该领域取得的新进展，主要内容包括语音信号处理的展过程、语音信号的产生与人类听觉的机理、线性语音产生模型、非线性语音产生模型、语凌晨信号的特征分析、语音信号的线性预测方法、语音信号的编码与合成技术、语音识别技术等，最后还介绍了近年来兴趣的一些基于语音识别的应用技术。

《自然科学问题的数学分析》是卓里奇教授最新出版的一本极具特色的教学用书，内容包括三个专题： 量纲分析及其应用（包括柯尔莫戈洛夫湍流模型） 自变量极多的函数和集聚现象，非线性大数定律，高斯分布和麦克斯韦分布的几何意义，柯捷利尼科夫-香农定理； 经典热力学和接触几何学，用微分形式语言表达的热力学定律，分布和弗罗贝尼乌斯定理，卡诺-卡拉泰奥多里距离。