一书吃透机器学习!新版《机器学习基础》来了,教材PDF、PPT可下载 | 资源

有Reddit网友评论,这部教材足够扎实、内容足够基础,学机器学习理论,熟读这本书就足够了。

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究生机器学习课程了。

今天,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,里面可谓内容丰富。

不仅有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网友评论,这部教材足够扎实、内容足够基础,学机器学习理论,熟读这本书就足够了。

500页干货里都有啥

这本书是由纽约大学计算机科学教授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进行了内容的完善。

而且原价30多美元的书,当前也免费开放了。

全书是对机器学习的一般性知识介绍,也是不少大学的研究生教材,侧重于算法的分析和理论

书中的内容基本上涵盖了机器学习当前阶段的热门基础概念,同时还附上了算法论证所需的理论基础和工具。

先总体来看,这本书分为17个章节:

  1. 简介
  2. PAC学习框架
  3. Rademacher复杂性和VC维(Vapnic-Chervonenkis Dimension)
  4. 模型选择
  5. 支持向量机
  6. 核理论
  7. Boosting家族
  8. 在线学习
  9. 多级分类
  10. 排序
  11. 回归
  12. 最大熵模型
  13. 条件最大熵模型
  14. 算法稳定
  15. 降维
  16. 学习自动机和语言
  17. 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,想深入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。

再来看具体内容。

因为这是套研究生课程,因此需要比较扎实的高数基础,学习之前需要先恶补一下数学基础,因为里面以数学推理居多。

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、经验风险最小化、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:

以及严密的推理过程:

每一章的结尾也附上了相关课后练习,也是以理论论证为主:

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,看起来这里面有很多我一直寻找的东西,包含了相当严谨的内容。

网友needlzor表示,不需要号称“实用的机器学习课程”和“用高中数学建立你的神经网络”了,很高兴看到这种理论书更新。

在全民AI的热潮下,更需要真正稳抓稳打夯实基础,这套书还是个不错的选择。

传送门

教材介绍地址(可PDF、PPT下载至本地):

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

在线预览地址:

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

版权所有,未经授权不得以任何形式转载及使用,违者必究。

相关阅读