鏈接：pan.baidu.com/s/1KvQ_GnAj8OlXi17B3N9utQ?pwd=s9he?

提取碼：s9he

《機器學習方法》在《統(tǒng)計學習方法》的基礎上增加了深度學習的內容，全面系統(tǒng)地介紹了機器學習的主要方法，系統(tǒng)闡述其理論、模型、策略和算法，從具體例子入手，由淺入深，幫助讀者直觀地理解基本思路，同時從理論角度出發(fā)，給出嚴格的數學推導，嚴謹詳實，讓讀者更好地掌握基本原理和概念。《機器學習方法》可作為機器學習及相關課程的教學參考書，適合人工智能、文本數據挖掘、信息檢索及自然語言處理等專業(yè)的本科生、研究生使用，也供計算機各個領域的專業(yè)研發(fā)人員參考。

內容簡介

機器學習是以概率論、統(tǒng)計學、信息論、z優(yōu)化理論、計算理論等為基礎的計算機應用理論學科，也是人工智能、數據挖掘等領域的基礎學科?！稒C器學習方法》全面系統(tǒng)地介紹了機器學習的主要方法，共分三篇。第一篇介紹監(jiān)督學習的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與z大熵模型、支持向量機、Boosting、EM算法、隱馬爾可夫模型、條件隨機場等；第二篇介紹無監(jiān)督學習的主要方法，包括聚類、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配、PageRank算法等。第三篇介紹深度學習的主要方法，包括前饋神經網絡、卷積神經網絡、循環(huán)神經網絡、序列到序列模型、預訓練語言模型、生成對抗網絡等。書中每章介紹一兩種機器學習方法，詳細敘述各個方法的模型、策略和算法。從具體例子入手，由淺入深，幫助讀者直觀地理解基本思路，同時從理論角度出發(fā)，給出嚴格的數學推導，嚴謹詳實，讓讀者更好地掌握基本原理和概念。目的是使讀者能學會和使用這些機器學習的基本技術。為滿足讀者進一步學習的需要，書中還對各個方法的要點進行了總結，給出了一些習題，并列出了主要參考文獻。

《機器學習方法》是機器學習及相關課程的教學參考書，適合人工智能、數據挖掘等專業(yè)的本科生、研究生使用，也供計算機各個領域的專業(yè)研發(fā)人員參考。

作者簡介

李航，字節(jié)跳動科技有限公司人工智能實驗室總監(jiān)， IEEE會士、ACL會士、ACM杰出科學家、CCF杰出會員。研究方向包括信息檢索、自然語言處理、統(tǒng)計機器學習及數據挖掘。李航于1988年從日本京都大學電氣工程系畢業(yè)，1998年獲得日本東京大學計算機科學博士。他1990年至2001年就職于日本NEC公司中央研究所，任研究員；2001年至2012年就職于微軟亞洲研究院，任高級研究員與主任研究員；2012年至2017年就職于華為技術有限公司諾亞方z實驗室，任首席科學家、主任。李航一直活躍在相關學術領域，曽出版過四部學術專著，并在頂級國際學術會議和頂級國際學術期刊上發(fā)表過120多篇學術論文，包括SIGIR, WWW, WSDM, ACL, EMNLP, ICML, NIPS, SIGKDD, AAAI, IJCAI，以及NLE, JMLR, TOIS, IRJ, IPM, TKDE, TWEB, TIST等。他和同事的論文獲得了KDD2008最佳應用論文獎，他指導的學生獲得了SIGIR2008，ACL2012最佳學生論文獎。李航參與了多項產品開發(fā)，包括Microsoft SQL Server 2005, Microsoft Office 2007, Microsoft Live Search 2008, Microsoft Bing 2009, Bing 2010, Office 2010, Office 2012，擁有42項授權美國專利。李航還在頂級國際學術會議和頂級國際學術期刊擔任許多重要工作，如大會程序委員會主席，資深委員，及委員，期刊編委，包括SIGIR, WWW, WSDM, ACL, NAACL, EMNLP, NIPS,SIGKDD, ICDM, ACML, IJCAI, IRJ, TIST, JASIST, JCST等。

前言/序言

2012年《統(tǒng)計學習方法 (第 1版)》出版，內容涵蓋監(jiān)督學習的主要方法， 2019年第 2版出版，增加了無監(jiān)督學習的主要方法，都屬于傳統(tǒng)機器學習。在這段時間里，機器學習領域發(fā)生了巨大變化，深度學習在人工智能各個應用方向取得了巨大突破，成為機器學習的主流技術，徹底改變了機器學習的面貌。有些讀者希望能看到與之前風格相同的講解深度學習的書籍，這也觸發(fā)了作者在原來《統(tǒng)計學習方法》的基礎上增加深度學習內容的想法（計劃今后再增加強化學習）。從 2018年開始，歷時 3年左右，完成了深度學習的寫作。

考慮到內容的變化，現將書名更改為《機器學習方法》。第 1篇監(jiān)督學習和第 2篇無監(jiān)督學習基本為原來的內容，增加第 3篇深度學習，希望對讀者有所裨益。傳統(tǒng)機器學習是深度學習的基礎，所以將這些內容放在一本書里講述也有其合理之處。雖然深度學習目前是大家關注的重點，但傳統(tǒng)機器學習仍然有其不容忽視的地位。事實上，傳統(tǒng)機器學習和深度學習各自有更適合的應用場景，比如，深度學習長于大數據、復雜問題的預測，特別是人工智能的應用；傳統(tǒng)機器學習善于小數據、相對簡單問題的預測。