从零开始讲解机器学习基础,涉及机器学习各个分支的基本知识讲解深入浅出:清晰介绍相关概念和原理,代码都配有详细讲解和注释
每一章都提供了最少一个编程实践案例及相应代码,可用Jupyter Notebook直接运行
张伟楠老师机器学习网课视频材料已经在伯禹学习平台完全免费开放。若大家想要观看视频学习,可以点击右上角“视频课程”前往。
动手学机器学习(Hands-on ML)希望在如今的人工智能大潮中,为所有准备涉猎人工智能领域的学生、老师和其他研究者们提供尽可能清晰的机器学习基础讲解。我们更推荐读者能在理论学习之余,配合代码实践案例亲自动手,对讲述的理论和机器学习代码编写有更深刻的理解。该动手学机器学习项目已经整理成书,详情请见京东链接。
本书共分为四个部分,分别为机器学习基础、参数化模型、非参数化模型、无监督学习。机器学习基础部分涉及两个最简单的机器学习算法——k近邻算法和线性回归,并由此引出机器学习的基本思想。参数化模型和非参数化模型两部分包含了常用的有监督学习模型,包括逻辑斯谛回归、神经网络、决策树等,由浅入深。最后的无监督学习部分关注机器学习的另一大分支,介绍在没有监督信号的场景下如何完成数据建模。
我们希望听取大家的意见,关于本书若有任何反馈和建议,例如有什么地方写得不清楚、哪里的代码有问题、有什么话想要吐槽的,可前往 GitHub 项目提交 issue,也可以通过该问卷链接进行反馈。
此外,我们由衷感谢上海交通大学致远学院 ACM 班和上海交通大学计算机科学与工程系 APEX数据与知识管理实验室的同学们为本书做出了卓越的贡献,他们是赵孜铧、刘韫聪、陈浩坤、洪伟峻、周铭、陈程、潘哲逸、沈键、陈铭城、朱耀明、侯博涵和苏起冬等。