《概率机器学习（基础篇）》凯文·P.墨菲『EPUB电子书下载』

概率机器学习（基础篇） 内容简介

本书通过概率建模和贝叶斯决策理论的统一视角，详细且与时俱进地介绍了机器学习（包括深度学习）的理论和方法。书中涵盖了数学背景（包括线性代数和优化理论）、基础的监督学习方法（包括线性回归、逻辑回归和深度神经网络），以及更高级的主题（包括迁移学习和无监督学习）。章节末尾的练习让读者能够应用所学知识，附录部分则对书中使用的符号进行了说明。

概率机器学习（基础篇） 作者简介

凯文·P. 墨菲(Kevin P. Murphy)剑桥大学文学学士、宾夕法尼亚大学工程硕士、加州大学伯克利分校博士、麻省理工学院博士后。2004年，他成为加拿大温哥华不列颠哥伦比亚大学的计算机科学和统计学教授。2011年，他前往谷歌进行学术休假。2012年，他成为谷歌的全职研究科学家。他在机器学习和图模型相关的会议和期刊上发表了50多篇论文，并撰写了3本书。

概率机器学习（基础篇） 目录