《机器学习导论》

作者：郑骁庆

2022年，在复旦大学计算机学院开设了一门“人工智能”课程。由于近几年人工智能发展非常迅速，尤其是机器学习领域变化很快，当时很难找到合适的教材。于是我一边整理讲义，一边进行教学。在这个过程中，我逐渐产生了一个想法：或许可以写一本《机器学习导论》，既尽量让人容易读懂，又保持必要的严谨性（在关键地方给出简要证明，但不过度增加阅读负担）。希望它不仅能帮助同学们系统梳理知识脉络，也能让大家理解那些经典模型与方法的背后，相关学者们当时的思考与动机。

由于个人水平有限，书中难免存在不足甚至错误之处，恳请读者谅解，并欢迎批评指正。目前全书大部分内容已初步完成，现公开已完成章节，恳请各位读者不吝提出宝贵的修改意见。如果有读者发现重要问题或公式错误并反馈，请联系作者郑骁庆（zhengxq@fudan.edu.cn），在正式出版时将会在致谢名单中特别注明，在此先行致谢。此外，考虑到本书后续计划正式出版。遵循相关建议，特此说明：本书现有内容仍保留相应版权。

第一章 绪论（ch01）

第二章 概率论（ch02）

第三章 线性模型（ch03）

第四章 核方法（ch04）

第五章 决策树与随机森林（ch05）

第六章 人工神经网络（ch06）

第七章 深度学习（ch07）

第八章 深度生成模型（ch08）

第九章 概率图模型（ch09）

第十章 混合模型

第十一章 采样方法

第十二章 近似推断

第十三章 序列模型

第十四章 无监督学习

第十五章 强化学习