一书吃透机器学习！新版《机器学习基础》来了，教材PDF、PPT可下载 | 资源
学机器学习理论，熟读这本书就足够了。
铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI
不出家门，也能学习到国外高校的研究生机器学习课程了。
今天，一本名为Foundations of Machine Learning（《机器学习基础》）的课在Reddit上热度飙升至300，里面可谓内容丰富。
不仅有500多页的课程PDF可以下载，并且还有13章的PPT也可以获取。
有Reddit网友评论，这部教材足够扎实、内容足够基础，学机器学习理论，熟读这本书就足够了。
500页干货里都有啥
这本书是由纽约大学计算机科学教授Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar共同编写的，2012年曾经出版了第一版，这一版在此前基础上进行了内容的完善。
而且原价30多美元的书，当前也免费开放了。
全书是对机器学习的一般性知识介绍，也是不少大学的研究生教材，侧重于算法的分析和理论。
书中的内容基本上涵盖了机器学习当前阶段的热门基础概念，同时还附上了算法论证所需的理论基础和工具。
先总体来看，这本书分为17个章节：
- 简介
- PAC学习框架
- Rademacher复杂性和VC维（Vapnic-Chervonenkis Dimension）
- 模型选择
- 支持向量机
- 核理论
- Boosting家族
- 在线学习
- 多级分类
- 排序
- 回归
- 最大熵模型
- 条件最大熵模型
- 算法稳定
- 降维
- 学习自动机和语言
- 强化学习
从每一个章节的设置可以看出这份教材设置的非常细致，将机器学习中的基础概念拆分开来讲，想深入了解吃透深度学习的基础，按这个目录来学也是个不错的选择。
再来看具体内容。
因为这是套研究生课程，因此需要比较扎实的高数基础，学习之前需要先恶补一下数学基础，因为里面以数学推理居多。
比如第四章模型选择，又细分成了9个章节，比如估计和近似误差、经验风险最小化、结构风险最小化、交叉验证、n次交叉验证等。
每一个知识点几乎都有相关的数学论证公式：
以及严密的推理过程：
每一章的结尾也附上了相关课后练习，也是以理论论证为主：
对于这样一份门槛较高的教材，网友给出了比较高的评价：
网友johnnymo1表示，看起来这里面有很多我一直寻找的东西，包含了相当严谨的内容。
网友needlzor表示，不需要号称“实用的机器学习课程”和“用高中数学建立你的神经网络”了，很高兴看到这种理论书更新。
在全民AI的热潮下，更需要真正稳抓稳打夯实基础，这套书还是个不错的选择。
传送门
教材介绍地址（可PDF、PPT下载至本地）：
https://cs.nyu.edu/~mohri/mlbook/
在线预览地址：
https://mitpress.ublish.com/ereader/7093/?preview=#page/2
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ’ᴗ’ ի 追踪AI技术和产品新动态
- 微软公布19财年财报：净利润增长22%，云计算首超个人计算业务2019-07-19
- 腾讯云推出物联网边缘计算平台，具备五大特点，想攻克物联网落地难题2019-08-28
- DeepMind医疗业务几经动荡，现在团队并入Google2019-09-20
- 首例基因编辑干细胞治疗艾滋病：北大邓宏魁参与，达最佳治疗效果2019-09-14
