机器学习精讲（异步图书）

内容提要 本书用简短的篇幅、精炼的语言，讲授机器学习领域必备的知识和技能。全书共11章和一个术语表，依次介绍了机器学习的基本概念、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与解决方案、进阶操作、非监督学习以及其他学习方式等，涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度下降、聚类分析、维度降低、自编码器、迁移学习、强化学习、特征工程、超参数调试等众多核心概念和方法。全书最后给出了一个较为详尽的术语表。 本书能够帮助读者了解机器学习是如何工作的，为进一步理解该领域的复杂问题和进行深入研究打好基础。本书适合想要学习和掌握机器学习的软件从业人员、想要运用机器学习技术的数据科学家阅读，也适合想要了解机器学习的一般读者参考。

机器学习精讲（异步图书） EPUB, PDF, MOBI, AZW3, TXT, FB2, DjVu, Kindle电子书免费下载。

作者简介 安德烈·布可夫（Andriy Burkov）是一位机器学习专家，目前居住于加拿大魁北克省。他拥有人工智能博士学位，尤其擅长自然语言处理技术。目前，他是高德纳（Gartner）咨询公司机器学习开发团队的主管。该团队的主要工作是，使用浅层和深度学习技术，开发可用于生产环境的、先进的多语言文字抽取和标准化系统。 译者简介 韩江雷，毕业于新加坡南洋理工大学计算机科学学院，目前担任思爱普公司(新加坡)数据科学家，同时在南洋理工大学攻读博士学位。他的研究方向包括文本分析、数据挖掘以及机器学习的垂直领域应用等。

作者完成了一项非常重要但是难度巨大的任务--将所有机器学习内容浓缩到100多页的篇幅中。他选择的主题，无论从理论还是实践角度，都对从业者很有帮助。初学者阅读本书后，可以为读懂更多专业文献打好基础。 Peter Norvig，谷歌研究主任 Artificial Intelligence: A Modern Approach一书的作者之一 本书的篇幅很短，但涵盖了非常广泛的主题，作者并没有省略数学公式。我很欣赏作者用简洁的语言解释核心概念的能力。本书不仅能给入门者以帮助，还能为有一定机器学习基础的读者提供了一个全方位的视角。 Aurélien Géron，高级AI工程师 Hands-On Machine Learning with Scikit-Learn and TensorFlow作者 这是一本精简的机器学习入门手册，我认为它将会成为学习者和从业者的重要参考资料。简短的篇幅使得读者可以快速读完本书。即使如此，本书也涵盖了机器学习的绝大部分内容，从经典的线性和对数概率回归，到现代的支持向量机、深度学习、提升法、随机森林等，本书详细介绍了这些方法。 阅读本书不需要深入了解数学、统计学或者编程知识。本书适合每一位刚开始接触机器学习的博士生阅读。本书通过代码诠释一些算法，所采用的Python语言是机器学习应用中常用的编程语言。如果你是机器学习的初学者，或者是想要扩充知识储备的从业者，我强烈推荐本书。 Gareth James，南加州大学马歇尔商学院统计学教授 An Introduction to Statistical Learning：with Applications in R 作者之一 本书是为那些想要在工作中应用机器学习技术但又没有太多时间去学习的工程师量身打造的。 Deepak Agarwal，LinkedIn人工智能副总监