图书标签: 机器学习 人工智能 数据挖掘 计算机 数据分析 MachineLearning 计算机科学 AI
发表于2024-10-03
机器学习 pdf epub mobi txt 电子书 下载 2024
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.
书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考.
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
周志华,南京大学教授,计算机科学与技术系副主任,软件新技术国家重点实验室常务副主任,机器学习与数据挖掘研究所(LAMDA)所长,校、系学术委员会委员;ACM杰出科学家,IEEE Fellow,IAPR Fellow,中国计算机学会会士;长江学者特聘教授,国家杰出青年基金获得者。2007年创建南京大学机器学习与数据挖掘研究所(LAMDA),2010年11月任软件新技术国家重点实验室常务副主任,2013年5月任计算机系副主任。
这是一本可以让你读下去,学下去的入门好书
评分简明而深刻,厚积薄发的评注非常开拓思维,多是游刃有余之后才可得出的见解,受益匪浅,我觉得给六星也不夸张,论述很系统很全面,对知识领域一览无余、豁然开朗的感觉真好
评分懂得人不用看,不懂的人看了也不会懂,不知道为什么评价这么高,就因为排版还不错吗?
评分机器学习是达到人工智能的手段,而非人工智能本身。
评分手撕SVM,数据挖掘面试必备
历时一个月,利用每天早晨起床和晚上睡觉前的时间,前几天刚粗略过完一遍,趁着热乎劲写点评论。 周志华老师在这个领域确实很强,从书的结构组织和内容就能看出来,由浅入深,从经典算法到近期该领域的热门算法都讲到了,很有广度。但由于本书定位是教材,针对的是入门级别的人...
评分这本书的纸张选的很怪异,装在包里很难装,放书柜也不好放。从出版至今短短一两年的时间,这本破书就改了十版,可想而知这本书里到底是有多少错误,作者对待这本书是什么个态度。作者说要把这本书当成教科书,但真正学机器学习技术的人不会看这本书(至少我看完后悔了),只能...
评分这段时间利用下班晚上和周末在家的时间把《机器学习》看了一遍,总的来说,除了前两章是基础,其余章节都是介绍模型方法,应用场景、理论推导、优化过程、算法等,每章都可独立阅读而不受其他章节影响。 如果只是每一章都看完,顶多就是了解了一种方法,相互之间是割裂的,这...
评分注意,这是一本“教科书”,所以其中有一些“不足”也就好理解了。 书本身没有很厚,看起来不至于压力很大。毕竟是“教科书”,每一章只有短短的几十页,结合课程用来教学是不错,但自学只看这本书估计有点不太够,可以结合coursera上Andrew Ng和林轩田的课来使用,要是这本书...
评分大致翻了下,目前详细看了第8章集成学习,和前5章。感觉还不错,不由得拿李航的书来比较。(只谈谈我目前看到过的几点,仅供参考) ①内容方面,李的书要少于周的书,周写的内容更多一些。 ②由于只看了第八章,两者关于adaboost的公式讲解都差不多,但是李航的书有例题,一步...
机器学习 pdf epub mobi txt 电子书 下载 2024