《机器学习导论》

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，现公开其中三章，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）

第六章 人工神经网络（ch06）

第七章 深度学习（ch07）

本书所有章节

第一章 绪论

第二章 概率论

第三章 线性模型

第四章 核方法

第五章 决策树与随机森林

第六章 人工神经网络

第七章 深度学习

第八章 概率图模型

第九章 混合模型与期望最大算法

第十章 潜变量模型

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