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 |