《机器学习：贝叶斯和优化方法（原书第2版）》机器学习：贝叶斯优化最强指南（第2版）

最近在京东上看到了机械工业出版社出版的《机器学习：贝叶斯和优化方法（原书第2版）》书籍。拿到这本书的时候真的很兴奋，今天就稍微来聊聊这本书。

资源

这本书配套了比较好的学习资源，也就是相关的代码。大家可以从这个链接获取：elsevier.com/books-and-journals/book-companion/9780128188033

中外作品的翻译还是存在很大的时间差异的，英文版本的2020年会出版了，不过这本书依然没有过时，这才是重点。

在上述代码的加持下，这本书就变成了一本集理论、实践和应用于一体的著作。通过阅读这本书，我对贝叶斯优化方法在机器学习中的应用有了更为深入的理解，同时也感受到了作者在学术研究上的严谨态度和实践探索上的创新精神。

我们来聊聊内容部分：

第2章介绍了概率和随机过程。 第3章介绍了参数化的建模学习方法。 第4章介绍了均方误差。 第5章介绍了随机下降方法。 第6章介绍了最小二乘法。 第7章分类。 第8章凸优化分析。 第9章和第10章稀疏感知学习。 第11章介绍了希尔伯特空间。 第12章是贝叶斯的学习算法EM算法。 第13章是近似推断和非模型参数。 第14章蒙特卡罗方法。 第15章概率图模型：第一部分。 第16章概率图模型：第二部分。 第17章粒子滤波。 第18章神经网络和深度学习。 第19章降维与潜变量模型。