机器学习理论最佳入门发布！周志华宝箱书搭档，开源教程《钥匙书-KeyBook》
极市导读
《机器学习理论导引》作为一本理论性较强的书籍，涉及大量的数学定理和各种证明，对读者的数学背景提出了较高要求。近期，开源组织Datawhale针对《导引》一书做了补充性工作，添加相关注脚，将教材中难以理解的公式做了解析与推导，帮助大家解决书中的数学难题。 >>加入极市CV技术交流群，走在计算机视觉的最前沿
开源初衷
近年来，多样化的机器学习相关教材和视频层出不穷，不仅包含了入门级机器学习宝典，还包括一些系统性书籍。
但国内在机器学习理论（Machine Learning Theory）方面并没有进行过多讨论。尽管在上述的这些著作中，或多或少都展开了对于理论的探讨，但篇幅极为有限，难以满足深入研究的需求，关于机器学习理论的经典教材目前还是英文居多。
2020年周志华、王魏、高尉、张利军等老师所著的《机器学习理论导引》一书（下称《导引》），填补了国内缺少机器学习理论入门著作的遗憾。
该书试图以通俗易懂的语言，为有志于学习和研究机器学习理论的读者提供了入门导引。但作为一本理论性较强的书籍，涉及大量的数学定理和各种证明，对读者的数学背景提出了较高要求。基于很多读者苦于数学基础，《钥匙书 Key-Book》由开源组织Datawhale发起，团队成员詹好负责，针对《导引》一书做了补充性工作，添加相关注脚，将教材中难以理解的公式做了解析与推导，帮助大家解决书中的数学难题。
本书细节
《钥匙书》这一开源教程，对原书做了大量的补充性工作，可以帮你解决公式理解问题，让你找到豁然开朗的感觉。下面，用几个例子来直观感受下。
1.【证明补充】
2.【概念补充】
3.【文献讲解】
使用说明
《钥匙书》的补充性工作，主要包括四个方面：
证明补充：对部分证明的证明思路进行解释，对部分省略的证明过程进行补充。 案例补充：增加解释案例，帮助读者理解。 概念补充：介绍部分文中涉及、但未阐释的概念。 参考文献讲解：对部分重要的参考文献进行介绍。
开源地址
在线阅读（实时更新）：
https://datawhalechina.github.io/key-book/
最新版PDF下载地址：
https://github.com/datawhalechina/key-book/
推荐阅读
评论