书籍-《机器学习：从经典方法到深度网络、Transformer和扩散模型（第三版）》

书籍：Machine Learning: From the Classics to Deep Networks, Transformers, and Diffusion Models，3rd Edition
作者：Sergios Theodoridis
出版： Academic Press​
编辑：陈萍萍的公主@一点人工一点智能
下载：书籍下载-《机器学习：从经典方法到深度网络、Transformer和扩散模型（第三版）》

01 书籍大纲

《机器学习》第三版从基础开始，包括最小二乘回归、最大似然估计、贝叶斯决策理论、逻辑回归和决策树等内容。接着逐步深入，介绍了稀疏建模方法、再生核希尔伯特空间中的学习和支持向量机。书中详细讨论了贝叶斯学习，重点在于EM算法及其近似的变分版本，并特别关注混合模型、回归和分类。非参数贝叶斯学习部分涵盖了高斯过程、中国餐馆过程和印度自助餐过程。
蒙特卡罗方法、粒子滤波、概率图模型（特别是贝叶斯网络和隐马尔可夫模型）也得到了详细的介绍。降维和潜在变量建模也被深入探讨。神经网络和深度学习部分则从感知器规则和多层感知器讲起，逐步过渡到卷积神经网络、循环神经网络、对抗学习、胶囊网络、深度信念网络、生成对抗网络（GANs）和变分自编码器（VAEs）。
此外，本书还涵盖了统计参数估计和优化算法的基础知识。本书注重数学背后的物理原理，同时保持严谨性，所有方法和技术都通过实例和问题进行详细解释，为学生和研究人员提供了理解与应用机器学习概念的宝贵资源。
本书包含多个案例研究和应用，涉及目标定位、信道均衡、图像去噪、音频特征提取、文本作者识别、视觉跟踪、变化点检测、超光谱图像解混、fMRI数据分析、机器翻译和文本到图像生成等多个主题。大部分章节包含了MatLab和Python的计算机练习，而关于深度学习的章节则包含了PyTorch的练习。

02 作者简介

Sergios Theodoridis是希腊雅典国立卡波季斯特里安大学机器学习和数据处理的名誉教授。他还曾在丹麦奥尔堡大学担任杰出教授，并在中国香港中文大学深圳校区任教。2023年，他获得了英国爱丁堡大学授予的荣誉博士学位。他曾获得多个著名奖项，包括2014年的IEEE信号处理杂志最佳论文奖、2009年的IEEE计算智能学会神经网络汇刊杰出论文奖、2017年的欧洲信号处理协会（EURASIP）Athanasios Papoulis奖、2014年的IEEE信号处理学会卡尔·弗里德里希·高斯教育奖以及2014年的EURASIP杰出服务奖。他曾任EURASIP主席和IEEE信号处理学会副主席。他是EURASIP会士和IEEE终身会士，并且是《模式识别》第四版（学术出版社，2009年）和《模式识别导论：MATLAB方法》（学术出版社，2010年）的合著者。

03 书籍大纲