經典教材《模式識別和機器學習》官方免費下載!
新智元報道
編輯:肖琴
【新智元導讀】最經典的機器學習教材之一、大牛Christopher Bishop所著的《模式識別與機器學習》公開了官方的免費下載版本!
今天,微軟劍橋研究院在官方推特放出一個大好消息:最經典的機器學習教材之一、Christopher Bishop所著的「Pattern Recognition and Machine Learning」(模式識別與機器學習)公開了官方的免費下載版本!
Christopher Bishop是微軟Technical Fellow、微軟劍橋研究院實驗室的負責人。Christopher Bishop有理論物理的學術背景,後投身於計算機視覺領域的模式識別和深度學習。
這本教材提供了對模式識別和機器學習領域的全面介紹,面向的讀者是本科生和低年級博士生,以及研究人員和從業人員。
出版於2006年,本書是這個領域的第一本機器學習教科書,全面涵蓋了該領域最近的發展,如概率圖模型和確定性推理方法,並強調現代貝葉斯觀點。本書適用於機器學習、統計學、計算機科學、信號處理、計算機視覺、數據挖掘、生物信息學等課程。
全書共738頁全彩印刷,包括431個練習題(提供答案)。
作為名副其實的經典教材,無數機器學習研究者曾研讀並受益於它。因此,開放下載的消息一出,立刻引起許多研究人員的推薦和讚譽。
谷歌研究員David Ha (@hardmaru)表示:
這本關於機器學習基礎的經典書籍現在可以從微軟官方免費下載PDF版本了!多年來,我從這本書中學到了很多,我覺得很多材料現在仍然是相關的。練習的答案似乎也能獲得!
DeepMind研究科學家Ali Eslami表示:
這是一個非常贊的資源。它是在深度學習革命之前寫作的,因此它為深度學習提供了很好的背景知識。我博士第一年的大部分時間研讀這本書。
事不宜遲,趕快來下載:
https://www.microsoft.com/en-us/research/people/cmbishop/#!prml-book
Christopher Bishop其人
Christopher Bishop
Christopher Bishop是微軟 Technical Fellow,微軟劍橋研究院實驗室負責人。
Christopher Bishop還是愛丁堡大學計算機科學教授,劍橋大學達爾文學院 Fellow。2004年當選為英國皇家工程院院士,2007年當選為愛丁堡皇家學會院士,2017年當選為英國皇家學會院士。
在微軟研究院,Chris帶領世界領先的工業研究和開發團隊,專註於機器學習和人工智慧,並在雲基礎設施、安全、工作場所生產力、計算生物學和醫療保健領域創造突破性技術。
Chris在牛津大學獲得物理學學士學位,在愛丁堡大學獲得理論物理學博士學位,畢業論文關於量子場論。從那時起,他開始對模式識別產生興趣,並成為AEA Technology應用神經計算中心的負責人。隨後,他被選為阿斯頓大學計算機科學與應用數學系主任,並在阿斯頓大學成立並領導了神經計算研究小組。
Chris著有兩本被廣泛採用的機器學習教科書:Neural Networks for Pattern Recognition(1995)和 Pattern Recognition and Machine Learning(2006)。他還致力於機器學習在計算機視覺和醫療保健等領域的廣泛應用。
主要內容和目錄
本書主要內容包括:
第一章:簡介
概率論、模型選擇、決策理論、信息理論
第二章:概率分布
二元變數、多項變數、高斯分布、指數分布族、非參數方法
第三章:線性模型回歸問題
線性基函數模型、偏置方差分解、貝葉斯線性回歸、貝葉斯模型比較、The Evidence Approximation、固定基函數的局限性
第四章:線性模型分類問題
判別函數、概率生成模型、概率判別模型、拉普拉斯逼近、貝葉斯邏輯回歸
第五章:神經網路
前饋神經網路、網路訓練、誤差反向傳播、Hessian矩陣、神經網路的正則化、混合密度網路、貝葉斯神經網路
第六章:Kernel方法
對偶表示、構造核、徑向基函數網路、高斯過程
第七章:Sparse Kernel Machines
最大邊緣分類器、相關向量機
第八章:圖模型
貝葉斯網路、條件獨立性、馬爾科夫隨機場、圖模型的推理
第九章:混合模型和EM
K-means聚類、高斯混合、EM演算法
第十章:近似推斷
變分推斷、高斯的變分混合、變分線性回歸、指數族分布、局部變分方法、變分logistic回歸、Expectation Propagation
第十一章:採樣方法
基本採樣演算法、馬爾科夫鏈蒙特卡洛、吉布斯採樣、切片採樣、混合蒙特卡洛演算法、估計劃分函數
第十二章:連續潛在變數
主成分分析,Probabilistic PCA,Kernel PCA,非線性潛變數模型
第十三章:序列數據
馬爾可夫模型,隱馬爾可夫模型,Linear Dynamical Systems
第十四章:混合模型
貝葉斯模型平均法,Committees,Boosting,基於樹的模型,條件混合模型
完整目錄:
下載地址:
https://www.microsoft.com/en-us/research/people/cmbishop/#!prml-book
【加入社群】
新智元 AI 技術 + 產業社群招募中,歡迎對 AI 技術 + 產業落地感興趣的同學,加小助手微信號:aiera2015_2入群;通過審核後我們將邀請進群,加入社群後務必修改群備註(姓名 - 公司 - 職位;專業群審核較嚴,敬請諒解)。
TAG:新智元 |