三民網路書店 / 搜尋結果

連續兩屆桂冠詩人獎 三屆國家圖書獎 普立茲詩歌獎 得主羅伯特．哈斯，首部中文譯本 善於捕捉大自然中繽紛絢麗的顏彩，詩風浪漫抒情，在人道主義精神中，為生命與死亡、喜悅與痛苦謳歌。陳黎、張芬齡、夏夏、曹馭博、廖宏霖、蔡琳森　臺灣詩壇齊聲推薦哈斯將荒謬的喜劇性提升至高尚的層次，讓日常事件轉化成形上和倫理的思維，賦予個人經歷普遍性的社會意義，讓衝突的元素在詩作裡奇妙地結合：富含文學性，卻又雜亂無章；散漫迂迴，卻又浪漫抒情。──陳黎、張芬齡好幾次我停下來，彷彿聽見富有慧黠、優雅與自信的聲音從紙頁間傳出，還有無數種氣味、色彩與光，不可思議地豐盈且耐人尋味。接著，又在還沒意識到的時候，跟著羅伯特．哈斯的文字靜悄悄地被推向遠方（這次我確定聽見他的笑聲了）。──夏夏他的詩就像是以最平凡無奇的樂器──美國日常語言──演奏出技藝精湛的卓越音樂。──《紐約時報》書評哈斯讓一切都變得獨特，變得溫暖。同時也像一本翻開的書──每個人都該讀的書，無論哪個面向都值得觀注。──《紐約客》雜誌讀羅伯特．哈斯的詩就像踏入水溫與空氣差不多溫度的海洋般，你幾乎毫無知覺，直到感受到一股暗流在拉你，才發現已進入了另一個自然環境中。──史坦利．庫尼茲（Stanley Kunitz）美國桂冠詩人沒有哪個詩人比羅伯特．哈斯更有天賦。──彼德．戴維森（Peter Davison）美國詩人暨編輯他的詩賦有音樂性、敘事性與冥想性。──佛雷斯特．甘德（Forrest Gander）美國普立茲詩歌獎得主暨美國詩人學會會長閱讀他的詩或聽他說話，予人一種發自內心的愉悅。──卡洛琳．凱澤（Carolyn Kizer）美國普立茲詩歌獎得主比欲望更古老的是什麼？枯樹問。悲傷，天空說。悲傷是條河比欲望古老。──〈二月：問題〉《夏季雪》是美國桂冠詩人羅伯特．哈斯睽違十年出版的詩集，再次奠定他身為美國最富盛名詩人之一的崇高地位。關懷自然界向來是他創作的重要主題與特色，在詩集中，他以微妙的幽默感，結合人生經驗與寬廣的胸懷，書寫失落的淒情傷感、大自然的寧靜與美妙聲響，以及欲望的多變，富有高層次的藝術美感與黠思機趣。他的詩總是色彩紛呈，綠松藍、翡翠綠、鴿子白、尖酸黃……，還有「死亡的歌是濕紫羅蘭的顏色」，還有「久雨過後是咖啡歐蕾的顏色」；詩中眾聲嘹亮，群鳥啁啾，鴴鳥

羅伯特·哈斯與布蘭達·希爾曼是當代美國最耀眼的一對夫妻詩人，被譽為當代美國詩壇的惠特曼和狄金森。這本《當代美國詩雙璧》選輯了羅伯特·哈斯與布蘭達·希爾曼伉儷各階段代表作八十餘首，由知名譯詩夫妻檔陳黎、張芬齡精譯。

迷人、壯麗、絕對獨一無二，《飛覽伊甸園》不但是一本攝影傑作，同時也呈現了世人鮮少見過的非洲樣貌。在數十張恢弘的跨頁照片中，羅伯特．哈斯從空中這個崇高的角度看見非洲的繽紛大地、豐富野生動物、壯麗山川的不同面貌，創造出一批和非洲本身一樣高貴、叫人驚奇與難忘的珍貴畫面。

《當代美國詩雙璧》由知名譯者夫妻陳黎、張芬齡精譯，選輯了羅伯特．哈斯（Robert Hass）與布蘭達．希爾曼（Brenda Hillman）伉儷各階段代表作八十餘首。輯一為哈期的詩作，選自哈斯不同創作時期的代表作。從第一本詩集《田野指南》開始，試圖替萬物命名，透過自身成長之環境建立歸屬和認同感，將自然世界翻譯成個人歷史，哈斯用清晰明澈的文字和悲憫的心境達成了目標。第二本詩集《讚美》進一步處理隱含

本書是Springer統計系列叢書之一，旨在讓讀者深入瞭解數據挖掘和預測。隨著計算機和信息技術迅猛發展，醫學、生物學、金融、以及市場等各個領域的大量數據的產生，處理這些數據以及挖掘它們之間的關係對於一個統計工作者顯得尤為重要。本書運用共同的理論框架將這些領域的重要觀點做了很好的闡釋，重點強調方法和概念基礎而非理論性質，運用統計的方法更是突出概念而非數學。另外，書中大量的彩色圖例可以幫助讀者更好地理解概念和理論。目次:導論; 監督學習概述; 線性回歸模型; 線性分類方法; 基展開與正則性; 核方法; 模型評估與選擇; 模型參考與平均; 可加性模型，樹與相關方法; 神經網絡; 支持向量機器與彈性準則; 原型法和最近鄰居; 無監督學習.讀者對象：適用於數學及統計專業的研究生、統計工作者及相關領域的研究人員。

稀疏統計模型只具有少數非零參數或權重，經典地體現了化繁為簡的理念，因而廣泛應用於諸多領域。本書就稀疏性統計學習做出總結，以LASSO方法為中心，層層推進，逐漸囊括其他方法，深入探討諸多稀疏性問題的求解和應用；不僅包含大量的例子和清晰的圖表，還附有文獻注釋和課後練習，是深入學習統計學知識的參考。本書適合計算機科學、統計學和機器學習的學生和研究人員。

《統計學習要素：機器學習中的數據挖掘、推斷與預測(第2版)》在一個通用的概念框架中描述通用於數據挖掘、機器學習和生物信息學等領域的重要思想和概念。這些統計學範疇下的概念是人工智能與機器學習的基礎。全書共18 章，主題包括監督學習、回歸的線性方法、分類的線性方法、基展開和正則化、核光滑方法、模型評估和選擇、模型推斷和平均、加性模型、樹和相關方法、Boosting 和加性樹、神經網絡、支持向量機和柔性判斷、原型方法和最近鄰、非監督學習、隨機森林、集成學習、無向圖模型和高維問題等。《統計學習要素：機器學習中的數據挖掘、推斷與預測(第2版)》主題全面，是一本經典的統計學習教材，適合本科高年級學生和研究生使用和參考。