专栏首页新智元《机器学习基础》(第二版)免费下载!纽约大学14年教学精华

《机器学习基础》(第二版)免费下载!纽约大学14年教学精华


新智元报道

来源:Reddit

编辑:大明

【新智元导读】2018年由MIT出版的《机器学习基础》(第二版)现已开放免费下载!本书作者之一Mehryar Mohri 有着长达14年的机器学习基础教学经验。本书第一版出版于2012年,此次再版内容叙述更简洁,通用性更强,并根据领域内新成果对内容进行了大幅修订,快来收藏!

MIT出版社出版的《机器学习基础》(第二版)PDF和HTML资源均已免费开放下载。距离第一版出版已有6年之久。

本书内容是对机器学习的一般性介绍,可以作为研究人员的参考书和学生的教科书。本书涵盖了机器学习中的基本主题,同时提供了算法讨论和论证所需的理论基础和概念工具。并描述了这些算法应用的几个关键方面。

本书的目标是提供最新的理论工具和概念,同时对相对先进的结果给出精确的证明。一般来说,只要在有可能的情况下,我们都会优先选择简洁性。同时,本书同样讨论了机器学习中呈现的一些重要、复杂的主题,并重点关注几个开放的研究问题。其中某些问题经常与其他主题合在一起探讨,可能没有得到足够的重视。

本书作者之一、纽约大学计算机科学与数学系教授Mehryar Mohri

本书将对这类问题进行单独讨论,并进一步强调其重要性:比如针对多类分类,排名和回归对几个章节进行了重写。

虽然机器学习领域涵盖了各种各样的重要主题,但为了简洁起见,同时也是由于目前某些方法缺乏足够坚实的理论保证,本书略去了一些重要主题,其中包括图形模型和神经网络。

本书主要面向机器学习、统计学和其他相关领域的学生和研究人员,也可以作为机器学习专业的研究生和高年级本科课程的教科书,也可以供学术会议参考。本书的前三至四章为后续内容奠定了理论基础,而其他章节大多自成一体。(第6章和第13章除外,第6章介绍了后来广泛使用的一些概念,第13章与第12章密切相关。)每章最后都给出一系列练习题,并提供完整的解决方案。

本书假设读者熟悉线性代数,概率论和算法分析的基本概念。为了进一步为读者提供帮助,书中提供一个内容广泛的附录,简要介绍了线性代数、凸优化、概率评估,以及对本书中算法讨论有帮助的集合不等式的介绍和信息理论简介。

本书力图对机器学习的多个主题和领域实现统一风格的呈现,这一点不同于其他同类书籍采用的更专业的特定视角呈现。比如贝叶斯视图或内核方法等。本书的另外一个不同于同类书籍的特色,是突出了理论基础及分析过程。

第二版新变化:叙述更简明、章节内容增删、习题更丰富

与2012年的第一版相比,第二版对整本书的内容进行了更新。主要内容变化包括在多数章节中采用了与第一版不同的写作风格,使用了新的插图,许多地方的内容表述更加简明。

第二版还对已有章节的做出了一些补充,尤其是第6章和第17章。并新增了几个新章节。本书新加入第4章(模型选择),这是目前机器学习领域内重要主题,但在第一版中只进行了简要讨论。

此外,第二版还增加了关于最大熵模型(第12章)和条件最大熵模型的新章节(第13章),这些内容都是机器学习中的重要主题。

第二版还对附录进行了大幅度修订。尤其是在附录B中加入了关于Fenchel对偶性的完整章节,并对附录D进行了一些修订和补充,在附录E中加入了信息理论,并对大部分材料进行了更新。此外,第二版还为现有章节和新章节增补了新的练习题和答案。

参考链接:

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

PDF下载:

https://www.dropbox.com/s/7voitv0vt24c88s/10290.pdf?dl=1


本文分享自微信公众号 - 新智元(AI_era)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 零基础ML建模,自动机器学习平台R2 Learn开放免费试用

    在数据的世界中,机器学习已经成为不可或缺的工具。机器学习可以帮助发现隐藏在大量数据中的特定知识。很多时候,这些知识都不是人类能轻易分析得出的,它展示了大量事实之...

    机器之心
  • Selective Search算法与演示

    在对象检测RCNN模型中使用了SS(Selective Search)进行区域推荐,改进了传统图像检测进行全局开窗检测的高计算消耗,典型的对象检测网络RCNN的...

    OpenCV学堂
  • 滑动窗口也能用于实例分割,陈鑫磊、何恺明等人提出图像分割新范式

    作者:Xinlei Chen、Ross Girshick、Kaiming He、Piotr Dollar

    机器之心
  • 数据科学的下一个「超能力」:模型可解释性

    在过去的 10 年间,我采访了许多数据科学家,模型的可解释性是我最喜欢的主题,我用它来区分最好的数据科学家和一般的数据科学家。

    机器之心
  • 一张照片获得3D人体信息,云从科技提出新型DenseBody框架

    多年以来,如何从单一图像估计人体的姿势和形状是多项应用都在研究的问题。研究者提出不同的方法,试图部分或者联合地解决此问题。本文将介绍一种端到端的方法,使用 CN...

    机器之心
  • HOG特征详解与行人检测

    HOG(Histogram of Oriented Gradient)特征在对象检测与模式匹配中是一种常见的特征提取算法,是基于本地像素块进行特征直方图提取的一...

    OpenCV学堂
  • 系列 | OpenVINO视觉加速库使用三

    OpenVINO除了可以集成OpenCV DNN一起使用之外,其本身也提供了一套开发接口(SDK),可以不依赖于其他任何第三方库实现对模型的加速推断运行。

    OpenCV学堂
  • 在定制硬件上实现DNN近似算法,一文概述其过去、现在与未来

    来自社交媒体和物联网等多个渠道的可用数字数据(如图像、视频和语音)呈指数级增长,这驱动了对高性能数据分析的需求。与其它机器学习算法相比,深度神经网络(DNN)在...

    机器之心
  • 四块GPU即可训练BigGAN:「官方版」PyTorch实现出炉

    项目链接:https://github.com/ajbrock/BigGAN-PyTorch 该项目一出即引发了人们的广泛关注,有的人表示不敢相信,也有人哭晕...

    机器之心
  • MIT本科学神重启基于能量的生成模型,新框架堪比GAN

    值得注意的是,一作 Yilun Du 还是 MIT 的大四本科生,他从 15 年大一开始就发过 ECCV 16、NIPS 18 等多个大会和 Workshop ...

    机器之心

扫码关注云+社区

领取腾讯云代金券