赠书 | 李航老师的蓝皮书

赠书活动

统计学习方法

“统计机器学习方法是实现智能化目标的最有效的手段，统计机器学习是各种智能性处理研究领域中的核心技术，并且在这些领域的发展及应用中起着决定性的作用。”

作者简介
李航，日本京都大学电气电子工程系毕业，日本东京大学计算机科学博士。北京大学、南京大学客座教授，IEEE会士，ACM杰出科学家，CCF高级会员。研究方向包括信息检索，自然语言处理，统计机器学习，及数据挖掘。曾出版过三部学术专著，并在顶级国际学术会议和顶级国际学术期刊上发表过120多篇学术论文，拥有40项授权美国专利。曾任日本NEC公司中央研究所研究员，微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任今日头条人工智能实验室主任。

内容简介
统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配PageRank算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外，每章介绍一种方法。叙述力求从具体问题或实例入手， 由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供从事计算机应用相关专业的研发人员参考。

目录
《统计学习方法》第二版增加了一些常用的无监督学习方法，涵盖了传统统计机器学习方法的主要内容。
第一篇 监督掌习
第1章 统计学习及监督学习概论
第2章 感知机
第3章 k近邻法
第4章 朴素贝叶斯法
第5章 决策树
第6章 逻辑斯谛回归与优选熵模型
第7章 支持向量机
第8章 提升方法
第9章 EM算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 监督学习方法总结
第二篇 无监督学习
第13章 无监督学习概论
第14章 聚类方法
第15章 奇异值分解
第16章 主成分分析
第17章 潜在语义分析
第18章 概率潜在语义分析
第19章 马尔可夫链蒙特卡罗法
第20章 潜在狄利克雷分配
第21章 PageRank算法
第22章 无监督学习方法总结
附录A 梯度下降法
附录B 牛顿法和拟牛顿法
附录C 拉格朗日对偶性
附录D 矩阵的基本子空间
附录E KL散度的定义和狄利克雷分布的性质

赠书原则
1、活动说明：本次活动将送出5本《统计学习方法》书籍。在公众号推文下方点“在看”，并留言关于本书籍相关的内容，留言获点赞量最高的前5位获得此书籍。
2、领奖截止日期：2023年6月19日，15:00点之前。
3、领奖说明：中奖后，请添加下方助教微信领取。领奖的小伙伴需提供完整的邮寄信息，若三天之内没有回复，送书名额将顺延至下一位。

茗创科技专注于脑科学数据处理，欢迎关注公众号，有任何相关的疑问和咨询，可添加我们的工程师（MCKJ-zhouyi或17373158786）进行咨询~