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
发表于2024-12-23
機器學習 pdf epub mobi txt 電子書 下載 2024
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。
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。
懂得人不用看,不懂的人看瞭也不會懂,不知道為什麼評價這麼高,就因為排版還不錯嗎?
評分3周讀罷,不很深入,但作為概念普及算是夠用瞭,大部分基本上對統計學、圖論和綫性代數有基礎的就能讀下來,其他靠邏輯能力理解。我覺得決策樹和神經網絡兩章最齣彩,11-14章就有些難瞭,理論推導居多,最開始幾章很好用的挑瓜不知道為什麼到這幾章就沒有用得很充分,跟下來需要耐心。現在機器學習相關的網絡課程和書看瞭一些,感覺理解比較透徹的算法都是有實例支撐的,如果沒有應用場景對我這種本來就是不是基於實際需求去學習的人太不生動瞭,臨到用時也未必想得起來。下一本準備讀李航。
評分機器學習是達到人工智能的手段,而非人工智能本身。
評分機器學習是達到人工智能的手段,而非人工智能本身。
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。
前前后后花了一个学期时间才基本读完一遍,相对于刚拿到书时,读下来对这本书的喜爱不减。 首先,过于简略不能成为给这本书差评的理由。前言指出了这本书的定位是教科书,第十版印刷时增加了一些使用说明,作者表示作为一学期的教材,各章篇幅进行了仔细考量,避免每堂...
評分我第一次看这本书的时候,给的四颗星。 大致浏览了一遍,觉得作者前面三章写得可以,感觉真的有四颗星。 第二遍要深读的时候,发现无法理解为什么这本书评价这么高。 原因就是我在短评里写的:简单的不用他写得如此通俗,也能易懂;不简单的他想通俗,可惜易懂的效果没起到,反...
評分大致翻了下,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...
評分 評分转自周志华老师微博 某推荐的读法: 没基础的读者从头囫囵读,建议最好不超过两月,读不懂的跳过去。给读者搭建不偏学派的整体框架,建骨骼,是本书第一层用处。然后建议找别的材料读,长肉,这样的读物常见。再回来读本书,或许会发觉好多东西原来那么简单,这是提筋节,本书的...
機器學習 pdf epub mobi txt 電子書 下載 2024