材料信息学导论：机器学习基础（上 英文版）

　　材料信息学是一门新兴的交叉学科，为在材料基因组理念下加速材料科学研究和技术发展提供了一个全新的方法。作为材料和力学学者，作者在推动材料信息学发展方面做了大量工作，在人工智能（AI）、机器学习（ML）和材料科学技术融合交叉方面，有诸多的尝试和心得体会。作者旨在写一本易懂的材料信息学简介，以进一步推动材料信息学的发展。为便于读者尽快理解和掌握材料信息学的核心内容，兼顾成书的完整性，本书分为上下两卷，上卷侧重于机器学习基础，下卷侧重于深度学习并综述材料信息学的现状及发展前景。《BR》本上卷共十二章，内容包括线性回归与线性分类、支持向量机、决策树和K近邻（KNN）、集成学习、贝叶斯定理和期望**化（EM）算法、符号回归、神经网络、隐型马尔可夫链、数据预处理和特征选择、可解释性机器学习，等等。叙述力求从简单明了的数学定义和物理图像出发，密切结合材料科学研究案例，给出了各种算法的详细步骤，便于读者学习和运用。

暂缺《材料信息学导论：机器学习基础（上 英文版）》作者简介

暂缺《材料信息学导论：机器学习基础（上 英文版）》目录