重磅! 机器学习2022新书第三部来了!谷歌大牛Murphy新书《概率机器学习:高级主题》,1308页pdf!

2022 年 3 月 1 日 专知

谷歌研究员Kevin Patrick Murphy的机器学习第三部《概率机器学习:高级主题》来了!共有1308页pdf,本书着重于概率建模和推理,用于解决四种主要任务:预测(如分类和回归)、生成(如图像和文本生成)、发现(如聚类、降维和状态估计)和控制(决策)。



作者介绍:



Kevin Murphy是加州山景城谷歌的一名研究科学家,他在那里从事人工智能、机器学习、计算机视觉和NLP研究。在2011年加入谷歌之前,他是加拿大温哥华不列颠哥伦比亚大学(University of British Columbia)计算机科学与统计学副教授。在2004年进入UBC之前,他是麻省理工学院的博士后。


凯文在剑桥大学获得学士学位,宾夕法尼亚大学获得学士学位,加州大学伯克利分校获得博士学位。


他在学术会议和期刊上发表了80多篇论文,以及一本1100页的教科书《机器学习:一个概率的视角》(MIT出版社,2012年),这本书获得了2013年DeGroot奖统计科学领域的最佳书籍。凯文还是机器学习研究杂志(JMLR)的主编。


https://www.cs.ubc.ca/~murphyk/



概率机器学习:高级主题


在第二卷《进阶》中,作者扩展了机器学习的范围,以包含更具挑战性的问题。例如探讨了在多种不同分布下的学习和测试;生成高维输出,如图像、文本和图形;基于潜在变量模型发现数据「洞察力」的方法;以及如何在决策和控制任务中使用概率模型和推理。


本书着重于概率建模和推理,用于解决四种主要任务: 预测(如分类和回归)、生成(如图像和文本生成)、发现(如聚类、降维和状态估计)和控制(决策)。

在第一部分中,我们将更详细地介绍这一领域的一些基本知识,以填补这本书前传中所缺失的一些细节。

在第二部分,我们讨论了各种概率模型下的贝叶斯推理算法。这些不同的算法在速度、准确性、通用性等方面做出了不同的权衡。所得的方法可应用于许多不同的问题。

在第三部分中,我们讨论了拟合p(y|x)形式的条件分布的预测方法,其中x∈x是一些输入(通常是高维的),y∈y是期望的输出(通常是低维的)。在本书的这一部分,我们假设有一个我们想要预测的正确答案,尽管我们可能不确定。

在第四部分中,我们讨论生成模型,它是p(y)或p(y|x)形式的模型,其中可能有多个有效输出。例如,给定一个文本提示符x,我们可能想生成一组不同的图像y来“匹配”标题。评估这样的模型比在预测环境中更难,因为预期的输出应该是什么不太清楚。

在第五部分中,我们将注意力转向数据分析,使用旨在揭示一些有意义的底层状态或模式的方法。我们的重点主要是潜变量模型,即p(z, y) = p(z)p(y|z)的联合模型,其中z是隐状态,y是观测值;目标是从y推断出z。(模型可以选择性地以固定的输入为条件,得到p(z, y|x)。)我们还考虑了通过p(y|x)形式的预测模型隐式学习模式,而不依赖于显式生成模型的方法。

最后,在第六部分,我们讨论了如何使用概率模型和推理在不确定性下作出决策。这自然就引出了非常重要的因果关系的话题,我们将以此结束这本书。


地址:

https://probml.github.io/pml-book/


目录内容:

其他书籍序列:


《概率机器学习导论》新书,谷歌大牛KevinMurphy最新932页pdf巨作

经典书《机器学习:概率视角》习题解答(中文),附1098页pdf下载


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“PMLA” 就可以获取谷歌大牛Murphy新书《概率机器学习:高级主题》,1308页pdf!》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资源
登录查看更多
25

相关内容

【新书】分布式强化学习,280页pdf
专知会员服务
146+阅读 · 2021年12月19日
【新书】统计学傻瓜式入门第二版,451页pdf
专知会员服务
104+阅读 · 2021年11月5日
专知会员服务
234+阅读 · 2021年10月8日
应用机器学习书稿,361页pdf
专知会员服务
57+阅读 · 2020年11月24日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
100+阅读 · 2020年11月12日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
241+阅读 · 2020年5月18日
【新书】分布式强化学习,280页pdf
专知
19+阅读 · 2021年12月19日
【新书】感知和行动的贝叶斯模型,348页pdf
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
0+阅读 · 2022年4月7日
Arxiv
39+阅读 · 2021年11月11日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
20+阅读 · 2019年11月24日
Arxiv
25+阅读 · 2018年8月19日
VIP会员
相关VIP内容
【新书】分布式强化学习,280页pdf
专知会员服务
146+阅读 · 2021年12月19日
【新书】统计学傻瓜式入门第二版,451页pdf
专知会员服务
104+阅读 · 2021年11月5日
专知会员服务
234+阅读 · 2021年10月8日
应用机器学习书稿,361页pdf
专知会员服务
57+阅读 · 2020年11月24日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
100+阅读 · 2020年11月12日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
241+阅读 · 2020年5月18日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月14日
Arxiv
0+阅读 · 2022年4月7日
Arxiv
39+阅读 · 2021年11月11日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
20+阅读 · 2019年11月24日
Arxiv
25+阅读 · 2018年8月19日
Top
微信扫码咨询专知VIP会员