这本关于机器学习的研究生教科书讲述了数据模式如何支持预测和结果行动的故事。从决策的基础开始,我们将涵盖作为有监督学习的组成部分的表示、优化和泛化。关于数据集作为基准检查他们的历史和科学基础的一章。对因果关系的介绍,因果推理的实践,序列决策,和强化学习使读者了解概念和工具来。整本书讨论了历史背景和社会影响。读者有概率论、微积分和线性代数方面的经验就足够了。
目录内容:
导论 Introduction
决策 Decision making
监督学习 Supervised learning
表示学习 Representations and features
优化 Optimization
泛化 Generalization
深度学习 Deep learning
数据 Datasets
因果性 Causality
因果性实践 Causal inference in practice
序列决策与动态优化,Sequential decision making and dynamic programming
强化学习,Reinforcement learning
Epilogue
Mathematical background