机器学习是计算机科学发展最快的领域之一,有着广泛的应用。这本教科书的目的是以一种有原则的方式介绍机器学习和它提供的算法范例。这本书提供了一个基本的理论基础的机器学习和数学推导,将这些原则转化为实际的算法。在介绍了基础知识之后,这本书涵盖了以前教科书没有涉及到的一系列广泛的中心主题。这些包括讨论学习的计算复杂性和凸性和稳定性的概念;重要的算法范例包括随机梯度下降、神经网络和结构化输出学习;以及新兴的理论概念,如PAC-Bayes方法和基于压缩的边界。为高级本科生或刚开始的研究生设计,文本使学生和非专业读者在统计,计算机科学,数学和工程的机器学习的基础和算法。

成为VIP会员查看完整内容
understanding-machine-learning-theory-algorithms.pdf
147

相关内容

电子书指“电子书籍”,即数字化的出版物。
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
150+阅读 · 2020年6月27日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
223+阅读 · 2020年5月2日
【电子书】机器学习实战(Machine Learning in Action),附PDF
专知会员服务
123+阅读 · 2019年11月25日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
58+阅读 · 2019年8月26日
【资源】机器学习数学全书,1900页PDF下载
全球人工智能
146+阅读 · 2019年10月17日
421页《机器学习数学基础》最新2019版PDF下载
Machine Learning:十大机器学习算法
开源中国
19+阅读 · 2018年3月1日
Arxiv
33+阅读 · 2020年1月2日
Arxiv
42+阅读 · 2019年12月20日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Advances and Open Problems in Federated Learning
Arxiv
17+阅读 · 2019年12月10日
Arxiv
20+阅读 · 2019年11月24日
Arxiv
12+阅读 · 2019年3月14日
Arxiv
4+阅读 · 2018年4月10日
VIP会员
相关论文
Arxiv
33+阅读 · 2020年1月2日
Arxiv
42+阅读 · 2019年12月20日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Advances and Open Problems in Federated Learning
Arxiv
17+阅读 · 2019年12月10日
Arxiv
20+阅读 · 2019年11月24日
Arxiv
12+阅读 · 2019年3月14日
Arxiv
4+阅读 · 2018年4月10日
微信扫码咨询专知VIP会员