《概率机器学习》凯文·墨菲

【书籍介绍】
《概率机器学习（基础篇）》由机械工业出版社出版，全书492千字。本书通过概率建模和贝叶斯决策理论的统一视角，详细且与时俱进地介绍了机器学习（包括深度学习）的理论和方法。

书中涵盖了数学背景（包括线性代数和优化理论）、基础的监督学习方法（包括线性回归、逻辑回归和深度神经网络），以及更高级的主题（包括迁移学习和无监督学习）。全书分为五大部分：理论基础、线性模型、深度神经网络、非参数化模型及其他机器学习方法，共23章。章节末尾的练习让读者能够应用所学知识，附录部分对书中使用的符号进行了说明。本书是机器学习领域的经典教材，被广泛用于高校教学和从业者自学。

【作者介绍】
凯文·P·墨菲（Kevin P. Murphy），加拿大计算机科学家，机器学习领域的世界级专家。曾任Google Research资深研究科学家，在概率图模型、贝叶斯方法、计算机视觉等领域做出重要贡献。其著作《Machine Learning: A Probabilistic Perspective》曾获ACM计算奖。新版分为上下两卷：《基础篇》和《进阶篇》，本书为上卷基础篇。