内容简介: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。
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:
-
简介
-
PAC学习框架
-
Rademacher复杂性和VC维(Vapnic-Chervonenkis Dimension)
-
模型选择
-
支持向量机
-
核理论
-
Boosting家族
-
在线学习
-
多级分类
-
排序
-
回归
-
最大熵模型
-
条件最大熵模型
-
算法稳定
-
降维
-
学习自动机和语言
-
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
— 完 —
小程序|get更多AI学习干货
加入社群
量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;
欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“微信群”,获取入群方式。(技术群与AI+行业群需经过审核,审核较严,敬请谅解)
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 从 0 开始机器学习 - 机器学习算法诊断
- 浅谈机器学习原理及机器学习平台
- 机器学习基础概念和统计机器学习基本算法
- [机器学习]机器学习笔记整理09- 基于SVM图像识别
- 第一届机器学习会议与机器学习的五大趋势
- 机器学习业务实践之路:如何通过机器学习算法快速解决实际业务
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。