引言
机器学习是人工智能（AI）的重要组成部分，也是近些年发展最为迅速的研究领域。2024年度诺贝尔物理学奖与化学奖首次分别颁发给4位从事机器学习研究的学者，进一步凸显了机器学习的重要性。因此这里推荐一本最近出版的机器学习新书：《Principles of Machine Learning: The Three Perspectives》（机器学习原理：三个视角）。
Principles of Machine Learning
The Three Perspectives
扫码查看图书详情
作者寄语
本书是继《人工智能原理》之后撰写的，这两本书都用了原理这个词。
“原理”，通常指的是具有普遍意义的基本规律。是在大量观察、实践的基础上，经过归纳、概括而得出的。因此，介绍机器学习的原理，要对其进行梳理、归纳、概括、抽象，从而对机器学习的研读与实践具有一定的指导性。
笔者之所以撰写《机器学习原理》，主要是出自于以下几点考虑：
首先，讲述机器学习的算法、模型以及实践的书籍较多，但从原理的角度系统性论述机器学习的书籍尚不多见。
其次，一些代表性机器学习算法的源代码容易找到，尤其是一些开源的机器学习软件库或软件平台——如TensorFlow、PyTorch等——已经实现了这些算法的功能。但其理论基础、发展脉络、基本原理、研究体系等，还有进一步梳理的空间。
作者尽管从事人工智能与机器学习的研究与教学多年，又参考了大量的书籍、论文、博客等，但书中定会挂一漏万、错误难免。有些观点亦可能是一隅之见、以偏概全。不当之处敬请批评指正，共同商榷。如果本书能成为读者们学习和研究机器学习的一块敲门砖、抑或是一块铺路石，就颇感欣慰了。
图书简介
本书在对机器学习进行深入研究与分析的基础上，提出研读机器学习的三个视角，即：学习框架、学习范式和学习任务。其中，学习框架属于理论层面的视角，学习范式属于方法层面的视角，而学习任务则属于问题层面的视角。本书从这三个视角系统性地讲述机器学习的原理，再穿插一些实例。全书分为4篇、15章、正文527页，由施普林格·自然（Springer Nature）于2024年10月27日出版。
第一篇，视角：包含两章，分別是绪论和视角论。第二篇，框架：分为五章，讲述概率、统计、联结、符号，以及行为这五种代表性的理论框架。第三篇，范式：分为四章，分别是监督学习、无监督学习、强化学习这三种范式，以及近几年出现的若干机器学习的准范式。第四篇，任务：分为四章，讲述常用的分类、回归、聚类以及降维这四种任务。该书的篇章结构如下图所示。
本书系统性、多方位地对机器学习进行诠释，可作为人工智能、机器学习、数据科学、计算机科学，以及相关专业的高年级本科生或研究生的教材，也可作为机器学习的参考书，供有关教学和科研人员使用。
作者介绍
王文敏
原北京大学信息工程学院教授。2019年1月入职澳门科技大学，现任计算机科学与工程学院教授、课程主任。曾于2019年8月28日由高等教育出版社出版《人工智能原理》一部。他的研究兴趣包括计算机视觉、多模态信息处理、机器学习以及人工智能
章节浏览
欢迎通过Springer出版您的学术著作，联系编辑团队获取相关信息！
