本书介绍
该书是加州大学伯克利分校的机器学习课程CS 189配套的教材。本书内容精简，只有185页，全面介绍机器学习一些基础的核心的理论知识，涉及的主要内容包括：回归、降维、神经网络、分类、聚类、决策树、深度学习等。非常适合于机器学习入门的初学者，可以弥补学习中的一些理论盲点，重点解释常见的机器学习中的数学知识。
文末附本书最新免费pdf下载地址。
本书目录
内容截图
本书免费pdf下载地址
微信公众号“深度学习与NLP”回复关键字“gml21”获取下载地址。
往期精品内容推荐
2021年校招高频面试题 分类整理分享（附中文详细题解）
中文免费简书-《图神经网络模型（GNN）原理及应用综述》pdf免费分享
免费好书-《机器学习入门-第二版》最新pdf分享
AI必读10本经典-深度学习花书《Deep Learning》-中英文版分享
互联网从业者必读-《linux开发者Bash环境编程指引》免费pdf分享
新书-《Bandit问题-基础、算法、理论、应用》分享
人工智能数学基础教材-《数据科学中的概率统计学》免费pdf分享
机器学习新书-《贝叶斯算法分析技术第三版》免费分享
免费开源书-《基于PyTorch的深度学习技术进步》pdf分享
AI新闻速递11-计算机视觉算法去除了水下图像的水分
AAAI2020-图神经网络（GNN）过去、现在、应用和未来最新研究进展分享
DeepLearning_NLP
深度学习与NLP
商务合作请联系微信号：lqfarmerlq
