歡迎光臨
每天分享高質量文章

一書吃透機器學習!新版《機器學習基礎》來了,教材PDF、PPT可下載 | 資源

(點擊上方快速關註並設置為星標,一起學Python)

銅靈 發自 凹非寺

量子位     出品 | 公眾號 QbitAI

不出家門,也能學習到國外高校的研究生機器學習課程了。

今天,一本名為Foundations of Machine Learning(《機器學習基礎》)的課在Reddit上熱度飆升至300,裡面可謂內容豐富。

不僅有500多頁的課程PDF可以下載,並且還有13章的PPT也可以獲取。

有Reddit網友評論,這部教材足夠扎實、內容足夠基礎,學機器學習理論,熟讀這本書就足夠了。

500頁乾貨里都有啥

這本書是由紐約大學計算機科學教授Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar共同編寫的,2012年曾經出版了第一版,這一版在此前基礎上進行了內容的完善。

而且原價30多美元的書,當前也免費開放了。

全書是對機器學習的一般性知識介紹,也是不少大學的研究生教材,側重於演算法的分析和理論

書中的內容基本上涵蓋了機器學習當前階段的熱門基礎概念,同時還附上了演算法論證所需的理論基礎和工具。

先總體來看,這本書分為17個章節:

  1. 簡介

  2. PAC學習框架

  3. Rademacher複雜性和VC維(Vapnic-Chervonenkis Dimension)

  4. 模型選擇

  5. 支持向量機

  6. 核理論

  7. Boosting家族

  8. 在線學習

  9. 多級分類

  10. 排序

  11. 回歸

  12. 最大熵模型

  13. 條件最大熵模型

  14. 演算法穩定

  15. 降維

  16. 學習自動機和語言

  17. 強化學習

從每一個章節的設置可以看出這份教材設置的非常細緻,將機器學習中的基礎概念拆分開來講,想深入瞭解吃透深度學習的基礎,按這個目錄來學也是個不錯的選擇。

再來看具體內容。

因為這是套研究生課程,因此需要比較扎實的高數基礎,學習之前需要先惡補一下數學基礎,因為裡面以數學推理居多。

比如第四章模型選擇,又細分成了9個章節,比如估計和近似誤差、經驗風險最小化、結構風險最小化、交叉驗證、n次交叉驗證等。

每一個知識點幾乎都有相關的數學論證公式:

以及嚴密的推理過程:

每一章的結尾也附上了相關課後練習,也是以理論論證為主:

對於這樣一份門檻較高的教材,網友給出了比較高的評價:

網友johnnymo1表示,看起來這裡面有很多我一直尋找的東西,包含了相當嚴謹的內容。

網友needlzor表示,不需要號稱“實用的機器學習課程”和“用高中數學建立你的神經網絡”了,很高興看到這種理論書更新。

在全民AI的熱潮下,更需要真正穩抓穩打夯實基礎,這套書還是個不錯的選擇。

傳送門

教材介紹地址(可PDF、PPT下載至本地):
https://cs.nyu.edu/~mohri/mlbook/

在線預覽地址:
https://mitpress.ublish.com/ereader/7093/?preview=#page/v

赞(0)

分享創造快樂