简介: 这本书需要数学思维,但只需要基本的背景知识。 在本书的大部分内容中,我们都假设您具备基本的计算机科学知识(算法,复杂性)和基本的概率论。 在更多的技术部分中,我们假设您熟悉Markov决策问题(MDP),数学编程(特别是线性和整数编程)和经典逻辑。

所有这些(基本计算机科学除外)都在附录中进行了简要介绍,但是它们只是作为更新和建立符号的用途,不能替代这些主题的背景知识。 (尤其是概率论,这是正确的。)但是,最重要的是,先决条件是具有清晰思考的能力。

本书包括13个章节,大致分为以下几部分:

Block 1, Chapters 1–2:分布式问题解决

Block 2, Chapters 3–6:非合作博弈论

Block 3, Chapters 7:learning

Block 4, Chapters 8:交流

Block 5, Chapters 9–11:组协议

Block 6, Chapters 12:联盟博弈论

Block 7, Chapters 13–14:逻辑理论

部分目录:

成为VIP会员查看完整内容
150

相关内容

斯坦福大学(StanfordUniversity)位于加利福尼亚州,临近旧金山,占地35平方公里,是美国面积第二大的大学。它被公认为世界上最杰出的大学之一,相比美国东部的常春藤盟校,特别是哈佛大学、耶鲁大学,斯坦福大学虽然历史较短,但无论是学术水准还是其他方面都能与常春藤名校相抗衡。斯坦福大学企业管理研究所和法学院在美国是数一数二的,美国最高法院的9个大法官,有6个是从斯坦福大学的法学院毕业的。
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
150+阅读 · 2020年6月27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
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
227+阅读 · 2020年4月29日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
143+阅读 · 2019年12月28日
经典书《斯坦福大学-多智能体系统》532页pdf
【资源】这本开放书籍帮你扫清通往ML的数学绊脚石
机器学习算法与Python学习
55+阅读 · 2018年10月28日
人工智能入门书单(附PDF链接)
AI前线
20+阅读 · 2018年8月2日
蒙特卡罗方法(Monte Carlo Methods)
数据挖掘入门与实战
6+阅读 · 2018年4月22日
一张通往计算机世界的地图
中科院物理所
8+阅读 · 2017年10月12日
A Survey on Bayesian Deep Learning
Arxiv
59+阅读 · 2020年7月2日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Neural Arithmetic Logic Units
Arxiv
5+阅读 · 2018年8月1日
VIP会员
相关VIP内容
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
150+阅读 · 2020年6月27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
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
227+阅读 · 2020年4月29日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
143+阅读 · 2019年12月28日
相关资讯
经典书《斯坦福大学-多智能体系统》532页pdf
【资源】这本开放书籍帮你扫清通往ML的数学绊脚石
机器学习算法与Python学习
55+阅读 · 2018年10月28日
人工智能入门书单(附PDF链接)
AI前线
20+阅读 · 2018年8月2日
蒙特卡罗方法(Monte Carlo Methods)
数据挖掘入门与实战
6+阅读 · 2018年4月22日
一张通往计算机世界的地图
中科院物理所
8+阅读 · 2017年10月12日
相关论文
A Survey on Bayesian Deep Learning
Arxiv
59+阅读 · 2020年7月2日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Neural Arithmetic Logic Units
Arxiv
5+阅读 · 2018年8月1日
微信扫码咨询专知VIP会员