提示：申请参与活动后，请邀请你的好友为你点赞~点赞最高者获赠本期书籍，成为本期学员~
要想学好专业技术当然离不开看书，但是我们却经常受困于这三个问题：
- 不知道该选什么书进行学习
- 坚持不下去，很容易就放弃了
- 很多专业书比较贵，不舍得买
为此，牛客网推出“有书共读”活动，每期推荐并免费送出一本专业技术书籍，并监督学习，真正让你坚持下去，学到东西。
活动规则：
- 每一期推荐一本专业类书籍（纸质书籍），并赠送给1位牛友。
- 获赠书籍的牛友受邀后加入有书共读学习总群，群内有课代表监督学习，牛友按时完成学习笔记，并在牛客图书馆对应图书下分享在线笔记。
- 本期活动即日起至12月18日11：00，12月18日公布获奖名单。
参与方式：
- 在本帖下回复。
- 回复内容包括：申请参与本活动的原因+你的承诺：会按照要求认真学习这本书并做好学习笔记。
Tips：
- 本次活动完全免费；
- 请参与活动的牛友认真书写读书笔记；
- 每期选择被点赞数最多的1位牛友（所以说想要获得书籍的牛友，快邀请你的好友来为你点赞吧~）
- 若获赞数相同，则选择发布申请更早的牛友（越早申请越有可能获赠哦！）
本期书籍：
作者：周志华
出版社：清华大学出版社
出版时间：2016-1-1
出版时间：2016-1-1
ISBN：9787302423287
定价：88.00元
定价：88.00元
内容简介
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.
书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考.
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
作者简介
周志华，南京大学教授，计算机科学与技术系副主任，软件新技术国家重点实验室常务副主任，机器学习与数据挖掘研究所（LAMDA）所长，校、系学术委员会委员；ACM杰出科学家，IEEE Fellow，IAPR Fellow，中国计算机学会会士；长江学者特聘教授，国家杰出青年基金获得者。2007年创建南京大学机器学习与数据挖掘研究所（LAMDA），2010年11月任软件新技术国家重点实验室常务副主任，2013年5月任计算机系副主任。
--------------------
本期书籍由牛客提供。
全部评论
(9) 回帖