书城首页 › 当代 › 工业 › 概率机器学习(基础篇)(精装版)
当代·工业

概率机器学习(基础篇)(精装版)

正版保障多仓发货48小时内发货2-3天送达可开发票
¥245.78 定价 ¥399.00 6.2折 立省 ¥153.22
现货库存 7 件 全新
商品参数
书名
概率机器学习(基础篇)(精装版)
作者
(美)凯文·P.墨菲(Kevin P.Murphy) 著 余青松,江红,余靖 译
出版社
机械工业出版社
出版时间
2026-07-01
ISBN
9787111812074
货号
1204473293
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
概率机器学习(基础篇)(精装版)
作者
(美)凯文·P.墨菲(Kevin P.Murphy) 著 余青松,江红,余靖 译
出版社
机械工业出版社
出版时间
2026-07-01
ISBN
9787111812074
货号
1204473293
品相
全新
分类
当代·工业
作者简介▼

凯文·P.墨菲(Kevin P. Murphy),先后获得剑桥大学文学学士学位、宾夕法尼亚大学工程硕士学位以及加州大学伯克利分校博士学位。此后他在麻省理工学院完成博士后研究,并于2004至2012年间担任加拿大温哥华不列颠哥伦比亚大学计算机科学与统计学副教授。获得终身教职后,他在学术休暇期间加入谷歌公司,最终选择留任。目前,凯文担任谷歌Deepmind首席研究科学家兼总监,领导着由28名研究人员和工程师组成的团队,专注生成模型(包括扩散模型和大语言模型)、强化学习、机器人技术、贝叶斯推断等前沿领域。他已在学术会议和期刊上发表140余篇论文,并于2012、2022和2023年通过麻省理工学院出版社出版了三部机器学习教材(Machine Learning: A Probabilistic Perspective, Probabilistic Machine Learning: An Introduction, Probabilistic Machine Learning: Advanced Topics),其中2012年版本教材获得了统计科学领域最佳书籍的DeGroot奖。凯文曾于2014至2017年间担任机器学习领域顶级期刊Journal of Machine Learning Research(JMLR)联合主编,现任ACM/IMS期刊Data Science及期刊Foundations and Trends in Machine Learning高级编辑。

目录▼

对本书的赞誉

译者序

前言

第1章 导论

1.1 什么是机器学习

1.2 监督学习

1.2.1 分类

1.2.2 回归

1.2.3 过拟合和泛化

1.2.4 “没有免费的午餐”定理

1.3 无监督学习

1.3.1 聚类

1.3.2 发现潜在的“变异因子”

1.3.3 自监督学习

1.3.4 评估无监督学习

1.4 强化学习

1.5 数据

1.5.1 常见的图像数据集

1.5.2 常见的文本数据集

1.5.3 离散输入数据的预处理

1.5.4 预处理文本数据

1.5.5 处理缺失数据

1.6 进一步讨论

1.6.1 机器学习与其他领域的关系

1.6.2 本书的组织结构

1.6.3 注意事项

……

文摘▼

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。

本书源自作者2012年的著作《机器学习:概率视角》,它不仅仅是一个简单的更新版本,更是一本全新的著作,反映了自2012年以来该领域的巨大发展,尤其是深度学习方面的进展。由于篇幅限制,新版分为上下两卷:《概率机器学习:基础篇》和《概率机器学习:进阶篇》,本书是上卷基础篇,下卷进阶篇将继续采用相同的概率方法,深入探讨更高级的主题。

新版的另一个主要变化是所有的软件代码都使用Python而不是MATLAB来实现,新代码使用了标准的Python库,例如NumPy、Scikit-learn、JAX、PyTorch、TensorFlow等,这些代码不需要本地安装,它们可以在云端笔记本中运行,这为书中讨论的理论主题提供了实用的补充。

¥245.78
🛒购物车