材料信息學導論：機器學習基礎（上 英文版）

　　材料信息學是一門新興的交叉學科，為在材料基因組理念下加速材料科學研究和技術發(fā)展提供了一個全新的方法。作為材料和力學學者，作者在推動材料信息學發(fā)展方面做了大量工作，在人工智能（AI）、機器學習（ML）和材料科學技術融合交叉方面，有諸多的嘗試和心得體會。作者旨在寫一本易懂的材料信息學簡介，以進一步推動材料信息學的發(fā)展。為便于讀者盡快理解和掌握材料信息學的核心內(nèi)容，兼顧成書的完整性，本書分為上下兩卷，上卷側(cè)重于機器學習基礎，下卷側(cè)重于深度學習并綜述材料信息學的現(xiàn)狀及發(fā)展前景?！禕R》本上卷共十二章，內(nèi)容包括線性回歸與線性分類、支持向量機、決策樹和K近鄰（KNN）、集成學習、貝葉斯定理和期望**化（EM）算法、符號回歸、神經(jīng)網(wǎng)絡、隱型馬爾可夫鏈、數(shù)據(jù)預處理和特征選擇、可解釋性機器學習，等等。敘述力求從簡單明了的數(shù)學定義和物理圖像出發(fā)，密切結合材料科學研究案例，給出了各種算法的詳細步驟，便于讀者學習和運用。

暫缺《材料信息學導論：機器學習基礎（上 英文版）》作者簡介