Probabilistic Machine Learning: An Introduction 2022
这本书的作者Kevin P.Murphy 是机器学习领域的权威学者
- 1 min read
内容简介 · · · · · ·
通过概率建模和贝叶斯决策理论的统一视角，对机器学习进行详细且最新的介绍。通过概率建模
和贝叶斯决策理论的统一视角，对机器学习进行详细且最新的介绍。
本书通过概率建模和贝叶斯决策理论的统一视角，对机器学习（包括深度学习）进行详细且最新的介绍。本书涵盖了数学背景（包括线性代数和优化）、基本监督学习（包括线性和逻辑回归和深度神经网络）以及更高级的主题（包括迁移学习和无监督学习）。章末练习让学生可以学以致用，附录涵盖了符号。
概率机器学习源自作者 2012 年出版的《机器学习——概率视角》一书。这不仅仅是一次简单的更新，而是一本全新的书，反映了自 2012 年以来该领域的巨大发展，最显著的是深度学习。此外，新书还附有在线 Python 代码，使用 scikit-learn、JAX、PyTorch 和 Tensorflow 等库，可用于重现几乎所有图形；这些代码可以使用基于云的笔记本在 Web 浏览器中运行，并为书中讨论的理论主题提供实用补充。本入门教材之后将有续集，采用相同的概率方法，涵盖更高级的主题。
作者简介 · · · · · ·
Kevin Patrick Murphy 出生于爱尔兰，在英国长大（剑桥大学文学士），并在美国读研究生（宾夕法尼亚大学工学硕士，加州大学伯克利分校博士，麻省理工学院博士后）。2004年，他成为计算机科学和统计学教授加拿大温哥华不列颠哥伦比亚大学。2011 年，他前往他在加利福尼亚州山景城的谷歌公司度过了休假。2012 年，他转为谷歌全职研究科学家。
Kevin 已经在相关会议和期刊上发表了 50 多篇论文机器学习和图形模型。他最近发表了一本 1100 页的教科书，名为《机器学习：概率视角”（麻省理工学院出版社，2012 年）。
下载链接：
城通网盘（访问密码：4184）