有书共读126：《机器学习》
- 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
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。
-
之前参与活动但还没有读完所获书籍并产出相应笔记的同学禁止参与本期活动。
- 本期活动即日起至2021年3月5日11：00，2021年3月5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：
出版时间：2016-1-1
定价：88.00元
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。
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。
