【经典书】机器学习：贝叶斯和优化方法，1075页pdf

【导读】《机器学习：贝叶斯和优化的视角》是雅典大学信息学和通信系的教授Sergios Theodoridis的经典著作，对所有主要的机器学习方法和新研究趋势进行了深入探索，涵盖概率和确定性方法以及贝叶斯推断方法。非常值得学习。

Sergios Theodoridis教授是雅典大学信息学和通信系的教授，香港中文大学（深圳）客座教授。他的研究领域是信号处理和机器学习。他的研究兴趣是自适应算法，分布式和稀疏性感知学习，机器学习和模式识别，生物医学应用中的信号处理和学习以及音频处理和检索。

他的几本著作与合著蜚声海内外，包括《机器学习：贝叶斯和优化的视角》以及畅销书籍《模式识别》。他是2017年EURASIP Athanasios Papoulis奖和2014年EURASIP Meritorious Service奖的获得者。

http://cgi.di.uoa.gr/~stheodor/

机器学习：贝叶斯和优化方法

本书对所有主要的机器学习方法和新研究趋势进行了深入探索，涵盖概率和确定性方法以及贝叶斯推断方法。其中，经典方法包括平均/小二乘滤波、卡尔曼滤波、随机逼近和在线学习、贝叶斯分类、决策树、逻辑回归和提升方法等，新趋势包括稀疏、凸分析与优化、在线分布式算法、RKH空间学习、贝叶斯推断、图模型与隐马尔可夫模型、粒子滤波、深度学习、字典学习和潜变量建模等。全书构建了一套明晰的机器学习知识体系，各章内容相对独立，物理推理、数学建模和算法实现精准且细致，并辅以应用实例和习题。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。