智客公社

标题: 一书吃透机器学习！新版《机器学习基础》来了 | 资源 [打印本页]

作者: 鳕蘩 时间: 2019-5-20 09:37
标题: 一书吃透机器学习！新版《机器学习基础》来了 | 资源

铜灵发自凹非寺

量子位出品 | 公众号 QbitAI

不出家门，也能学习到国外高校的研讨活力器学习课程了。

明天，一本名为Foundations of Machine Learning（《机器学习基础》）的课在Reddit上热度飙升至300，外面可谓内容丰富。

不只要500多页的课程PDF可以下载，并且还有13章的PPT也可以获取。

有Reddit网友回复，这部教材足够扎实、内容足够基础，学机器学习实际，熟读这本书就足够了。

[attach]142711[/attach]

500页干货里都有啥

这本书是由纽约大学计算机迷信教授Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar共同编写的，2012年曾经出版了第一版，这一版在此前基础上停止了内容的完善。

而且原价30多美元的书，当前也收费开放了。

全书是对机器学习的普通性知识引见，也是不少大学的研讨生教材，侧重于算法的分析和实际。

书中的内容基本上涵盖了机器学习当前阶段的抢手基础概念，同时还附上了算法论证所需的实际基础和工具。

先总体来看，这本书分为17个章节：

简介
PAC学习框架
Rademacher复杂性和VC维（Vapnic-Chervonenkis Dimension）
模型选择
支持向量机
核实际
Boosting家族
在线学习
多级分类
排序
回归
最大熵模型
条件最大熵模型
算法波动
降维
学习自动机和言语
强化学习

从每一个章节的设置可以看出这份教材设置的非常细致，将机器学习中的基础概念拆分开来讲，想深化了解吃透深度学习的基础，按这个目录来学也是个不错的选择。

再来看详细内容。

由于这是套研讨生课程，因此需求比较扎实的高数基础，学习之前需求先恶补一下数学基础，由于外面以数学推理居多。

比如第四章模型选择，又细分成了9个章节，比如估计和近似误差、阅历风险最小化、结构风险最小化、交叉验证、n次交叉验证等。

每一个知识点几乎都有相关的数学论证公式：

[attach]142712[/attach]

以及严密的推理过程：

[attach]142713[/attach]

每一章的结尾也附上了相关课后练习，也是以实际论证为主：

[attach]142714[/attach]

对于这样一份门槛较高的教材，网友给出了比较高的评价：

网友johnnymo1表示，看起来这外面有很多我不断寻觅的东西，包含了相当严谨的内容。

网友needlzor表示，不需求号称“适用的机器学习课程”和“用高中数学建立你的神经网络”了，很高兴看到这种实际书更新。

在全民AI的热潮下，更需求真正稳抓稳打夯实基础，这套书还是个不错的选择。

传送门

教材引见地址（可PDF、PPT下载至本地）：

https://cs.nyu.edu/~mohri/mlbook/

[attach]142715[/attach]

在线预览地址：

https://mitpress.ublish.com/ereader/7093/?preview=#page/2

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。等待有才气、有热情的同窗加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

作者: 欢乐英雄007 时间: 2019-5-20 09:39
分享了

作者: lawjean 时间: 2019-5-20 09:45
分享了

作者: 准状元沃尔 时间: 2019-5-21 15:32
强烈关注楼主~请继续！

作者: 天下火头兵 时间: 2019-5-22 11:30
鼎力支持！！

欢迎光临智客公社 (http://bbs.cnaiplus.com/)