本书主要包含以下内如：最优化问题的简介，凸分析基础，无约束优化的理论及线搜索算法框架，信赖域算法，线搜索收敛性分析及收敛速度分析，半光滑牛顿算法，共轭梯度算法，约束优化理论及延伸理论，罚方法，增广拉格朗日算法及算法在实际问题(支持向量机模型、超图匹配)中的应用。本书对知识点的分析紧密结合当前研究前沿问题，并通过对应用问题使用优化算法，让学生看到优化理论与实际数据的结合，将知识点以全方位的立体感呈现给学生。

数系的扩充始终贯穿于数学理论的发展之中. 本书利用交互式定理证明工具Coq, 在Morse-Kelley 公理化集合论形式化系统下, 给出中国科学与技术大学汪芳庭教授在其《数学基础》中采用算术超滤分数构造实数的机器证明系统, 包括超滤空间与算术超滤的基本概念、超滤变换以及用算术超滤构造算术模型的形式化实现, 构建了非标准实数模型, 自然包含标准实数模型, 并且给出滤子扩张原则和连续统假设蕴含非主算术超滤存在的形式化验证. 在我们开发的系统中, 全部定理无例外地给出Coq的机器证明代码, 所有形式

本书展示了如何使用Ray构建机器学习应用程序，介绍了Ray如何融入当前的机器学习工具，以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识，并提供了应用示例；第4-10章介绍了Ray高级库(Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR)，并展示如何使用高级库创建应用程序；第11章对Ray的生态进行了总结，并指导读者继续学习。

本书从原理的角度，力求讲解清楚深度学习、强化学习、深度强化学习中的一些精选方法，并从实践的角度，通过一系列循序渐进的原创实验，引领读者独立编程实现这些方法，以期为读者精通深度强化学习并应用深度强化学习方法解决实际问题奠定坚实基础。
本书不仅适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、软件工程、通信工程、电子信息、机器人工程、自动化、智能制造等相关专业高年级本科生及研究生教学与自学使用，也适合机器学习等领域的从业者、科研人员及爱好者自学与参考使用。

深度学习理论无疑是当今教育界的重要探索主题，其中“深度学习的本质是什么”“深度学习的价值追求是什么”及“深度学习是怎样的活动”是人类深度学习理论发展和实践推进的关键问题。走向文化之思成为当前深度学习研究与探索的新兴方向。文化哲学理论体系对人与文化、文化与教育教学等方面的问题有深刻洞察力，其所蕴含的“文化本质论—文化价值论—文化活动论”的内在逻辑进路，可以为深度学习的创新提供独特视角。本书分别从这几方面系统探索深度学习的基本理论问题，为人们更好地认识及推动深度学习实践提供参考。

本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式，研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系，使用图学习的方式探索用户和产品的潜在关联，弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足，形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性，运用社交网络和知识图谱等辅助信息，缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题，提高推荐系统的准确性和多样性，为推荐系统技术的发展提供可参考的方向。

本书是一本机器学习实用指南，提供从基础知识到进阶技能的全面学习路径。本书以浅显 易懂的方式介绍了机器学习的基本概念和主要类型，并详细介绍使用 Python 及常见的库进行数 据处理和机器学习的实操。此外，介绍了数据预处理的详细过程，最后通过若干典型案例加深 读者对机器学习的理解。本书适合对机器学习感兴趣的初学者，也可作为软件开发人员、数据分析师、学术研究人员的参考书籍。

本书的主要内容有：了解机器学习术语背后的数学知识。探究机器学习和神经网络的基础。管理网络加深过程出现的问题。搭建神经网络，分析复杂图像。用自编码器高效降维。深入序列分析，用其研究语言。探讨复杂机器学习模型的解释方法。收获生成建模的理论和实用知识。理解强化学习的基础。

全书共8章，第1章对现有常见的基于深度学习剩余寿命预测技术研究现状进行深入分析，第2章给出了一种充分融合深度学习和随机过程优势的退化系统剩余寿命预测方法，第3章与第4章重点围绕全寿命周期情形所开展的剩余寿命预测方法研究，第3章得到的点估计预测结果，第4章是在Bayesian深度学习框架下确定的是概率分布预测结果，第5章与第6章针对零寿命标签情形所开展的剩余寿命预测方法研究，第5章提出了一种基于网络模型平均的退化系统剩余寿命点估计预测方法，第6章研究了基于Bayesian深度学习的退化系