第1章 绪论
1.1 机器学习
1.1.1 概述
1.1.2 评价准则
1.1.3 分类
1.1.4 常用工具
1.2 大数据
1.3 人工智能
1.4 图像处理技术
第2章 机器学习的理论与方法
2.1 回归分析与最小二乘法
2.2 聚类
2.2.1 简介
2.2.2 基本原理
2.2.3 常用聚类算法
2.3 遗传算法
2.3.1 简介
2.3.2 基本原理
2.3.3 特点与应用
2.4 蚁群算法
2.4.1 简介
2.4.2 基本原理
2.4.3 特点与应用
2.5 粒子群算法
2.5.1 简介
2.5.2 基本原理
2.5.3 特点与应用
2.6 人工神经网络
2.6.1 简介
2.6.2 神经网络基础
2.6.3 BP神经网络
2.6.4 RBF神经网络
2.7 支持向量机
2.7.1 简介
2.7.2 基本原理
2.7.3 特点与应用
2.8 隐马尔科夫模型
第3章 深度学习理论与方法
3.1 简介
3.2 常见模型
3.2.1 卷积神经网络
3.2.2 受限玻尔兹曼机
3.2.3 深度信念网络
3.2.4 自动编码器
3.2.5 降噪自动编码器
3.2.6 堆叠降噪自动编码器
3.3 应用场景
3.4 发展趋势
3.4.1 深度集成学习
3.4.2 深度强化学习
3.4.3 深度迁移学习
第4章 大数据处理技术
4.1 大数据简介
4.1.1 大数据概念与特点
4.1.2 大数据类型
4.1.3 大数据应用
4.2 大数据技术
……
第5章 大数据与智能系统开发——以农业应用为例
第6章 图像处理与分析技术
第7章 机器学习、大数据技术和图像处理技术的应用——以农业应用为例
第8章 Python基础
第9章 Python数据处理与机器学习
参考文献

机器学习、大数据技术是计算机科学与技术的重要研究内容。牟少敏著的《机器学习与大数据技术》比较全面地论述了机器学习与大数据技术的基本概念、基础原理和基本方法，力求通俗易懂，深入浅出。本书的主要内容包括聚类、遗传算法、粒子群算法、人工神经网络和支持向量机等常见的机器学习算法，重点讲解了深度学习常见的模型、大数据相关内容和大数据技术的具体应用、常见的图像处理技术、Python语言的编程基础，以及基于Python的科学计算和机器学习算法，并配有大量的源代码。书中介绍了作者近年来取得的部分相关研究成果，涉及机器学习、大数据技术等多个领域。
本书适合计算机科学与技术、数据科学与技术的研究生和本科生使用，也可供从事农业大数据等领域的相关人员参考。