智客公社
标题:
一书吃透机器学习!教你最快入门并吃透机器学习
[打印本页]
作者:
meteozwh
时间:
2019-6-22 20:38
标题:
一书吃透机器学习!教你最快入门并吃透机器学习
[attach]158231[/attach]
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]158232[/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]158233[/attach]
以及严密的推理过程:
[attach]158234[/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]158235[/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。
小编曾经将这本书打包好了,如今收费分享给大家!
分享+关注,私信小编“机器”即可马上支付此书PDF版,还有更多机器学习的视频材料一同送给你
收费!收费!收费!
作者:
水X东流
时间:
2019-6-23 08:06
我是个凑数的。。。
作者:
eagle84
时间:
2019-6-23 19:22
好帖必须得顶起
作者:
香槟酒色
时间:
2019-6-24 10:44
回个帖子,下班咯~
欢迎光临 智客公社 (http://bbs.cnaiplus.com/)
Powered by Discuz! X3.4