本书介绍
到2020年春天，本书第二版草稿已经扩展到1600页左右，还没有完成。至此，发生了3件大事。首先，新冠肺炎大流行来袭，所以决定“转向”，这样就可以把大部分时间花在新冠肺炎建模上。其次，麻省理工学院出版社告诉我，他们不能出版一本1600页的书，需要把它分成两卷。第三，决定招几个同事帮我完成最后“缺失内容”。(见下文致谢部分。)结果是两本新书《概率机器学习:入门》，目前正在读，还有《概率机器学习:高级主题》，是这本书的续篇。
文末付本书最新版pdf免费下载地址。
这两本书试图用我在第一本书中使用的概率建模和贝叶斯决策理论的统一视角，呈现ML2020领域的相当广泛的覆盖面。第一本书的大部分内容已经被重复使用，但现在它在两本新书中被平均分配。此外，每本书都有许多新材料，涵盖了深度学习的一些主题，但也包括该领域其他部分的进展，如生成模型、变分推理和强化学习。
为了使这本书更加独立，对学生更有用，还增加了一些背景内容，关于优化和线性代数等主题，这些内容由于篇幅不够而在第一本书中被省略了。另一个主要变化是，现在几乎所有的软件都使用Python而不是Matlab。新代码利用了标准Python库，如numpy、scipy、scikit-learn等。一些例子还依赖于各种深度学习库，如JAX天梭和PyTorch。除了创作一些人物的脚本之外，每一章都有Jupyter笔记本，讨论我们在正文中没有空间涵盖的实用方面。
本书目录
本书内容截图
