本推文主要介绍了字节跳动人工智能实验室（AI Lab）技术总监李航博士最近出版的书籍《机器学习方法（第2版）》。自李航博士的《统计学习方法》、《统计学习方法（第2版）》、《机器学习方法》书籍上市以来，均受到了读者们的广泛关注，很多学生、老师都将此书作为必读书籍。如今《机器学习方法（第2版）》的出版，则是在前几版的基础上，新增加了强化学习篇章，形成了一本包含监督学习、无监督学习、深度学习、强化学习四个篇章的书籍。

1.作者简介

李航，ACM Fellow，ACL Fellow，IEEE Fellow。京都大学毕业，东京大学博士。曾就职于NEC公司中央研究所、微软亚洲研究院、华为诺亚方舟实验室，目前在字节跳动Seed部门工作。主要研究方向为自然语言处理、信息检索、机器学习、数据挖掘。 

2.主要内容

第1篇：介绍监督学习的主要方法，包括线性回归、感知机、支持向量机、最大熵模型与逻辑斯谛回归、提升方法、隐马尔可夫模型和条件随机场等。

第2篇：介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、马尔可夫链蒙特卡罗法、EM算法、潜在语义分析、潜在狄利克雷分配等。

第3篇：介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、Transformer、扩散模型、生成对抗模型等。

第4篇：介绍强化学习的主要方法，包括马尔可夫决策、多臂老虎机、近端策略优化、深度Q网络等。

除了新增篇章，《机器学习方法（第2版）》还增加了若干监督学习方法，如线性回归；基于读者的反馈，新书对监督学习的大部分内容和无监督学习的少部分内容做了大幅修改，删除了一部分目前已不常用的技术，如部分机器学习优化算法。

书中每章会介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具体例子入手，由浅入深，帮助读者直观地理解基本思路，同时从理论角度出发，给出严格的数学推导，严谨翔实，让读者更好地掌握基本原理和概念。

3.创新特色

系统性：本书对最基本、最常用的机器学习核心技术进行了透彻的讲解和分析，包括传统机器学习、深度学习、强化学习，构建了一个完整的机器学习框架。

基础性：本书主要定位为大学教材或辅助读物，以及专业人员的参考书。假设读者已具备一定的微积分、线性代数、概率统计和计算机科学知识。在此基础上，本书详细介绍了每种方法的理论、模型、策略和算法等内容，帮助读者更好地掌握机器学习方法的理论和应用。

可读性：本书从具体例子入手，由浅入深，使用简明扼要的文字讲解各个机器学习方法。同时为满足读者进一步学习的需要，书中还对各个方法的要点进行了总结，给出了一些习题从而帮助读者加深理解。此外，为了增加可读性，整本书中尽量统一了符号用法；修改了大大小小几十处错误；重新绘制了几乎所有的插图。

4.购买方式

请复制链接到浏览器打开后购买。

京东：https://item.jd.com/10176893440132.html