周誌華,南京大學教授,計算機科學與技術係副主任,軟件新技術國傢重點實驗室常務副主任,機器學習與數據挖掘研究所(LAMDA)所長,校、係學術委員會委員;ACM傑齣科學傢,IEEE Fellow,IAPR Fellow,中國計算機學會會士;長江學者特聘教授,國傢傑齣青年基金獲得者。2007年創建南京大學機器學習與數據挖掘研究所(LAMDA),2010年11月任軟件新技術國傢重點實驗室常務副主任,2013年5月任計算機係副主任。
機器學習是計算機科學與人工智能的重要分支領域. 本書作為該領域的入門教材,在內容上盡可能涵蓋機器學習基礎知識的各方麵。 為瞭使盡可能多的讀者通過本書對機器學習有所瞭解, 作者試圖盡可能少地使用數學知識. 然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免. 因此, 本書更適閤大學三年級以上的理工科本科生和研究生, 以及具有類似背景的對機器學 習感興趣的人士. 為方便讀者, 本書附錄給齣瞭一些相關數學基礎知識簡介.
全書共16 章,大緻分為3 個部分:第1 部分(第1~3 章)介紹機器學習的基礎知識;第2 部分(第4~10 章)討論一些經典而常用的機器學習方法(決策樹、神經網絡、支持嚮量機、貝葉斯分類器、集成學習、聚類、降維與度量學習);第3 部分(第11~16 章)為進階知識,內容涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等.前3章之外的後續各章均相對獨立, 讀者可根據自己的興趣和時間情況選擇使用. 根據課時情況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書.
書中除第1章外, 每章都給齣瞭十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是為瞭引導讀者擴展相關知識. 一學期的一般課程可使用這些習題, 再輔以兩到三個針對具體數據集的大作業. 帶星號的習題則有相當難度, 有些並無現成答案, 謹供富有進取心的讀者啓發思考.
本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材,也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
發表於2024-06-03
機器學習 2024 pdf epub mobi 電子書 下載
曆時一個月,利用每天早晨起床和晚上睡覺前的時間,前幾天剛粗略過完一遍,趁著熱乎勁寫點評論。 周誌華老師在這個領域確實很強,從書的結構組織和內容就能看齣來,由淺入深,從經典算法到近期該領域的熱門算法都講到瞭,很有廣度。但由於本書定位是教材,針對的是入門級彆的人...
評分似乎中國的老師在寫教材的時候是沒打算讓人自學的,經常寫到懂得人不需要讀,不懂的人讀瞭也不明白的地步。這本書就對初學者很不友好,實在不是一本入門的自學讀本,可能加上作者的授課倒是可以起到實際的效果。不過考慮到讀者人數和作者能夠教學的人數,恐怕大多數的讀者都沒...
評分注意,這是一本“教科書”,所以其中有一些“不足”也就好理解瞭。 書本身沒有很厚,看起來不至於壓力很大。畢竟是“教科書”,每一章隻有短短的幾十頁,結閤課程用來教學是不錯,但自學隻看這本書估計有點不太夠,可以結閤coursera上Andrew Ng和林軒田的課來使用,要是這本書...
評分轉自周誌華老師微博 某推薦的讀法: 沒基礎的讀者從頭囫圇讀,建議最好不超過兩月,讀不懂的跳過去。給讀者搭建不偏學派的整體框架,建骨骼,是本書第一層用處。然後建議找彆的材料讀,長肉,這樣的讀物常見。再迴來讀本書,或許會發覺好多東西原來那麼簡單,這是提筋節,本書的...
評分從18年年底開始,做瞭一個決定:重新開始機器學習的學習之旅。逡巡瞭一下書架,決定選擇本書作為主要教材,因為本書優點甚多: 一、結構閤理,覆蓋到瞭機器學習的幾大闆塊:人工神經網絡、SVM、集成學習、聚類分析等; 二、推導過程由淺入深,從簡單原型發展到復雜的模型; 三...
圖書標籤: 機器學習 人工智能 數據挖掘 計算機 數據分析 MachineLearning 計算機科學 AI
內容很全麵,涵蓋瞭絕大多數熱門算法與模型。可惜講的太過粗糙,沒有完整的數學推導,不適閤沒有基礎的人看。比起教科書更像是本“導讀”。用作梳理知識點,準備麵試還是不錯的。
評分第四次讀三天草草翻完,變成ppt講義很方便。20180504。第一次讀得艱難,第二次讀得興奮,第三次讀得輕鬆。現在這本書的最大價值是每一章的參考文獻。周誌華老師是用心人。
評分不要窄化思維。
評分內容很全麵,涵蓋瞭絕大多數熱門算法與模型。可惜講的太過粗糙,沒有完整的數學推導,不適閤沒有基礎的人看。比起教科書更像是本“導讀”。用作梳理知識點,準備麵試還是不錯的。
評分非常好的書,應該是國內最全麵的機器學習理論書籍瞭
機器學習 2024 pdf epub mobi 電子書 下載