机器学习经典书籍-《贝叶斯推理与机器学习》收费分享

nihao
2020-07-12 13:34:15 2

我们生活在一个数据量庞大且不断增长的世界中。这些数据来自多种不同的领域，如生物学、地理学、物理学、环境监测以及商业活动，包括客户数据库、金融交易、引擎监控、语音识别、监控和搜索引擎。因此，掌握如何处理和从中提取价值的知识变得至关重要。此外，社会还期望计算机能以一种自然的方式与人类互动，即能够理解人类的语言和周围环境。这些都是大规模信息处理的任务，对计算机科学及相关领域提出了巨大的挑战。同样地，人们希望掌控越来越复杂的系统，例如机器人技术和自主导航。要成功管理这些系统，就需要深入了解其运作原理。因此，处理和理解复杂系统中的大量数据是我们当前亟需解决的问题，并且在未来一段时间内也将继续是一个重要课题。

机器学习是研究如何利用数据驱动的方法来模拟、理解和辅助人类信息处理的一种方法。在这个过程中，出现了许多相关问题，例如如何压缩数据、解释和处理数据。通常，这些方法并不是直接模拟人类处理过程，而是增强人类处理能力，比如预测股市走势或快速检索信息。在处理这些问题时，概率论显得尤为重要，因为有限的数据和对问题的理解常常迫使我们面对不确定性。从广义上讲，机器学习和相关领域的目标是“了解代理所处环境中的有用信息”。机器学习还与人工智能密切相关，它特别强调使用数据来驱动和适应模型。

本书旨在为那些具有中等数学背景的学生提供服务，尤其是那些对微积分和线性代数有一定了解的人。尽管不需要正式的计算机科学或统计学背景，但基本的概率论、微积分和线性代数知识是必需的。该书适用于来自不同背景的学生，包括计算机科学、工程学、应用统计学、物理学和生物信息学等领域，他们希望获得关于机器学习中概率方法的初步知识。书中仅使用少量的代数和微积分概念来介绍推理的基本原则，更多的数学技巧将在需要时逐步引入，始终以概念为主导。