《理解生物信息学》是一本集生物信息学专业参考书和教材于一体的书，共分为7部分：基础知识、序列联配、进化过程、基因组特征、二级结构、蛋白质三级结构、细胞和组织，以及附录和字符表等。每部分由不同章节构成，大多数章节可以被归为应用章节或理论章节。因此在每部分开始时，都有应用章节，描述了特定研究领域较实用的方面。理论章节则紧随其后，解释了其科学、理论基础以及在已有应用中所使用的技术。《理解生物信息学》还提供了思维导图、流程图、扩展阅读等其他书不常见的内容，以供读者能够在每一章、每一节开始时对整体内容有所把握，并能够了解更多扩展知识、发展技能的参考文献。 《理解生物信息学》适合分子生物学、生物信息学专业及生物医学领域的师生和研究者参考使用。

机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。《机器学习方法》全面系统地介绍了机器学习的主要方法，共分三篇。第一篇介绍监督学习的主要方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与**熵模型、支持向量机、Boosting、EM算法、隐马尔可夫模型、条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配、PageRank算法等。第三篇介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗网络等。书中每章介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具体例子入手，由浅入深，帮助读者直观地理解基本思路，同时从理论角度出发，给出严格的数学推导，严谨详实，让读者更好地掌握基本原理和概念。目的是使读者能学会和使用这些机器学习的基本技术。为满足读者进一步学习的需要，书中还对各个方法的要点进行了总结，给出了一些习题，并列出了主要参考文献。

机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。《机器学习方法》全面系统地介绍了机器学习的主要方法，共分三篇。第一篇介绍监督学习的主要方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与**熵模型、支持向量机、Boosting、EM算法、隐马尔可夫模型、条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配、PageRank算法等。第三篇介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗网络等。书中每章介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具体例子入手，由浅入深，帮助读者直观地理解基本思路，同时从理论角度出发，给出严格的数学推导，严谨详实，让读者更好地掌握基本原理和概念。目的是使读者能学会和使用这些机器学习的基本技术。为满足读者进一步学习的需要，书中还对各个方法的要点进行了总结，给出了一些习题，并列出了主要参考文献。

这是一本关于生物信息学算法和计算思想的导论性教科书，原著由国际上的权威学者撰写，经国内知名专家精心翻译为中文，系统介绍推动生物信息学不断进步的算法原理。全书强调的是算法中思想的运用，而不是对表面上并不相关的各类问题进行简单的堆砌。 体现了以下特色： 阐述生物学中的相关问题，涉及对问题的模型化处理并提供一种或多种解决方案： 简要介绍生物信息学领域领军人物； 饶有趣味的小插图使得概念更加具体和形象，方法更容易被领会，激励学生学习的兴趣并鼓励他们加入到生物信息学研究工作中来。 书中的大量论述表明：较少的几种设计思想就能解决大量的生物学难题。 目前，可供本科学生使用的生物信息学著作为数不多，本书恰恰是其中的一本。国内生物信息学，计算生物学、计算数学等领域的本科生、研究生和其他研究人员，会从书中汲取基本的算法原理、解决实际问题的方法和技巧，进而更好地从事相关研...(展开全部)

大数据时代的机器学习和数据挖掘技术的作用日渐重要，受到了广泛的关注。本书立足于工程应用，将免疫智能计算方法引入机器学习领域，致力于研究基于生物免疫原理的机器学习软计算方法，以免疫计算智能的基本原理为线索，对其研究状况加以系统性的论述，从理论、算法构建及工程应用等方面对免疫机器学习进行介绍和分析。针对关联规则挖掘、数据分类、数据聚类、属性约简等机器学习及生物信息大数据挖掘等具体问题，提出一系列新方法，并结合深度学习和张量计算探讨了机器学习软计算方法的最新发展动态和方向。

《生物信息学中的计算机技术》以一种清晰、活泼的方式，全面介绍了生物信息学领域中最重要的一些主题。《生物信息学中的计算机技术》介绍并解释了在生物信息学研究中用到的许多流行软件，并涵盖了一些背景知识，以帮助读者理解如何最好地使用这些工具，以及这些工具之所以重要的原因。 生物信息学是一门正在迅速发展的科学，它使用计算和分析方法来解决生物学问题。当前，基因组测序项目正在处理着来自许多不同生物体的大量生物学数据，并且，越来越多地把这些数据保存在公共数据库中。即使是该领域中最积极的研究者，也不可能离开计算机工具的帮助进行工作。生物信息学研究的就是如何建立这些工具。《生物信息学中的计算机技术》包括以下内容：*建立一个生物信息学工作站*当前生物学家使用的Unix系统*在生物序列、基因组和分子结构数据库中搜索信息的计算技术*用于识别基因的软件工具和用于检测那些识别基因...(展开全部)

◆本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。 ◆本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。 ◎编辑推荐： ·名家作品：上海交通大学ACM班创办人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生赵寒烨编写； ·多位业内大咖力荐：周志华|朱军|李文新|黄萱菁|刘铁岩|陈天奇； ·理论扎实：基于上交大ACM 班的机器学习课程构建机器学习的学习体系； ·配套资源丰富：理论解读视频+在线代码+习题+配套PPT课件+学习社群。 ◎内容简介： 本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和最简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种...(展开全部)

◆本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。 ◆本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。 ◎编辑推荐： ·名家作品：上海交通大学ACM班创办人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生赵寒烨编写； ·多位业内大咖力荐：周志华|朱军|李文新|黄萱菁|刘铁岩|陈天奇； ·理论扎实：基于上交大ACM 班的机器学习课程构建机器学习的学习体系； ·配套资源丰富：理论解读视频+在线代码+习题+配套PPT课件+学习社群。 ◎内容简介： 本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和最简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种...(展开全部)