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2024-08-03
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。
花瞭兩周瀏覽完瞭第一遍,確實像周老師說的,這本書需要反復閱讀多次纔能體會。確實是機器學習領域極佳的入門教材,全五星。 不懂高分短評是什麼意思,此書的前言中說的很清楚,“本書隻能給諸君提供入門之路徑,讀者若想通過此書而精通浩瀚之機器學習,那是萬萬做不到的”。可能你們自己沒有認真看書吧。 不過有些人就是喜歡惡意低分,彰顯自己的所謂“獨特看法”瞭。然後一旁的吃瓜群眾,帶著敬佩的心情去點贊。 其實大多數人,連這本書,都沒看過吧。
評分說實話因為覆蓋麵比較廣,一些推導就省略瞭不少,若能減少覆蓋麵,集中講解幾個算法,就更好瞭
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
評分這是一本可以讓你讀下去,學下去的入門好書
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。
看到这本书豆瓣上评到9.1,各种赞誉,很是惊奇,感叹国内作者能写出这样的书来真不容易。 当然有好书我也想看,昨晚下单,今天到货,很不好意思,要泼点冷水,这本书没有你们说的你们好。 简单说:这本书作为自学教材,是绝对不合适的。这本书其实是本:<机器学习导论>。 以下...
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...
評分从18年年底开始,做了一个决定:重新开始机器学习的学习之旅。逡巡了一下书架,决定选择本书作为主要教材,因为本书优点甚多: 一、结构合理,覆盖到了机器学习的几大板块:人工神经网络、SVM、集成学习、聚类分析等; 二、推导过程由浅入深,从简单原型发展到复杂的模型; 三...
評分求推荐配套相关的工具书籍或资源。 这是一本理论书,各位有好的配套软件工具书籍或资源推荐的吗?感觉光看书看理论有时候容易头大,结合着软件工具练练手学习起来会比较好一些
評分历时一个月,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...
機器學習 pdf epub mobi txt 電子書 下載 2024