【干货书】机器学习导论及其在信息安全中的应用，549页pdf

第二版介绍了各种各样的机器学习和深度学习算法和技术，通过现实应用加强。这本书通俗易懂，不证明定理，也不详述数学理论。我们的目标是在直观的层次上呈现主题，并有足够的细节来阐明底层的概念。这本书深入地涵盖了核心的经典机器学习主题，包括隐藏马尔可夫模型(HMM)，支持向量机(SVM)和聚类。其他机器学习主题包括k-最近邻(k-NN)、boosting、随机森林和线性判别分析(LDA)。基本的深度学习主题的反向传播，卷积神经网络(CNN)，多层感知器(MLP)，和循环神经网络(RNN)的深度覆盖。此外，还提出了一系列先进的深度学习架构，包括长短期记忆(LSTM)、生成对抗网络(GAN)、极限学习机(ELM)、残差网络(ResNet)、深度信任网络(DBN)、变形Transformers 双向编码器表示(BERT)和Word2Vec。最后，讨论了一些前沿的深度学习主题，包括退出正则化、注意力、可解释性和对抗性攻击。书中的大多数例子都来自信息安全领域，其中很多机器学习和深度学习应用都集中在恶意软件上。本文提供的应用程序通过说明在简单的场景中使用各种学习技术来揭开主题的神秘面纱。本书中的一些练习需要编程，在一些应用部分中假设了基本的计算概念。然而，任何有一定计算经验的人都应该对本书的这方面没有问题。

1. 什么是机器学习?

第一部分经典机器学习2. 隐马尔可夫模型的揭示性介绍3.主成分分析原理4. 可靠的支持向量机介绍5. 可理解的集群概念集合6.

第二部分深入学习许多迷你主题7. Deep Thoughts on Deep Learning8. 反向传播9. 深入研究深度学习10. 深度学习主题

第三部分应用11. 经典密码分析12. 图像垃圾邮件检测13. 基于图像的恶意软件分析14. 恶意软件进化检测15. 实验设计与分析 16. 后记