【PDF下载】无监督机器学习:200页的练习册

共 2066字,需浏览 5分钟

 ·

2022-07-05 00:50

机器之心报道 编辑:蛋酱
对于机器学习领域的你来说,这本题库一定是物有所值的。

我们可能都听说过一句话:「Use it or lose it」。

当我们有段时间没练习一门外语或一项运动时,就会感到生疏,从而深刻地体验到这句话的含义。练习对于保持技能很重要,对于学习新技能也是关键的因素。这就是为什么许多教科书和课程都以「练习」为特色的原因。然而,一般的练习方案往往过于简短,或者有时根本不可用。这些练习不是掌握新技能的机会,反而成为挫败感的来源。

最近,爱丁堡大学信息学院的机器学习高级讲师 Michael U. Gutmann 领衔撰写了一本 211 页的「练习册」,其中包含一系列带有详细解决方案的练习。


下载地址:https://arxiv.org/pdf/2206.13446.pdf

或者关注公众号:机器学习算法与Python实战

关注后回复:练习册(建议复制)


Michael U. Gutmann 是爱丁堡大学信息学院机器学习高级讲师,隶属于自适应与神经计算研究所。他的研究兴趣主要在于开发推理和实验设计方法,并将它们应用于自然科学中的重大问题。


作者表示:「希望详细程度足以让读者遵循解决方案并理解所使用的技术。然而,这些练习不能替代机器学习的教科书或课程。我假设读者已经看过相关的理论和概念,现在只是想通过练习加深他们的理解。」

不出所料,随便打开一页,就是满满的公式……


虽然编程和计算机模拟在机器学习中极为重要,但本书中的练习大部分可以用笔和纸来解决。此外,这本练习册可以让读者加强数学技能,但这些练习最好与计算机练习搭配来用,以进一步加深理解。

这里收集的练习主要是 Michael U. Gutmann 为赫尔辛基大学「无监督机器学习」和爱丁堡大学「概率建模与推理」课程编撰的练习的组合。这些练习并未全面涵盖所有机器学习的分支,但重点关注了无监督方法、推理和学习。Latex 源代码可在 https://github.com/michaelgutmann/ml-pen-and-paper-exercises 获得。

这确实是一本值得收藏的练习册,有人认为,这本册子和德国一些大学的研究生数学课本很接近。


有人评价其为「近期看到的最有趣的 arXiv 文章」:


整本练习册分为 10 章,分别涉及:

  • 线性代数
  • 优化
  • 定向图模型
  • 非定向图模型
  • 图模型的表现力
  • 因子图和信息传递
  • 隐马尔可夫模型的推理
  • 基于模型的学习(包括 ICA 和非标准化模型)
  • 采样和蒙特卡洛积分
  • 变分推理

完整目录如下:


   

推荐阅读

AI 绘画极简教程

学习机器学习的最佳路径

用 Python 从 PDF 抽取 Excel 2.0

花了2个晚上,拿到了吴恩达@斯坦福大学的机器学习课程证

浏览 6
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报