适读人群 ：（1）高等院校人工智能、计算机、自动化等相关专业机器学习方向的学生；（2）学术界机器学习领域的研究人员和教师；（3）工业界对机器学习感兴趣的专业人员和工程师。
1.周志华教授“西瓜书”《机器学习》公式完全解析指南！
“南瓜书”系Datawhale成员自学笔记，对“西瓜书”中250个重难点公式做了详细解析和推导（重难点公式覆盖率达99%），旨在解决机器学习中的数学难题。
2.机器学习初学小白提升数学基础能力的必备练习册！
以本科数学基础视角对“西瓜书”里比较难理解的公式加以解析和推导细节，补充大量重、难点数学知识和参考材料，分享在学习中遇到的“坑”以及跳过这个“坑”的方法，对于初学机器学习的小白也能上手练习！
3.俞勇、王斌、李沐、程明明、陈光（博主@爱可可-爱生活）、徐亦达等人工智能领域大咖亲笔推荐
电子书
编辑推荐
本书基于NumPy与sklearn，介绍26个主流机器学习算法的实现。
内容简介
本书在对全部机器学习算法进行分类梳理的基础之上，分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式推导和代码实现，旨在帮助机器学习学习者和研究者完整地掌握算法细节、实现方法以及内在逻辑。
章节目录
展开全部
机器学习：公式推导与代码实现是2022年由人民邮电出版社出版,作者鲁伟。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《机器学习：公式推导与代码实现》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书是计算机科学概论课程教材，对计算机科学做了百科全书式的精彩阐述。
电子书
本书讲解.NET平台下的异步编程、LINQ、依赖注入、配置系统、日志等相关技术的原理与应用。
电子书
本书是人工智能和机器学习领域专家多年实践的结晶。
电子书
微软算法工程师编写的AI行业求职指南，包含8位不同背景AI从业者的真实经历。
电子书
零基础也能读懂的ChatGPT入门书。
电子书
自动驾驶时代的“全息投影”，技术变革将刷新你对人工智能的认知。
电子书
这是一本详细分析信息的本质及信息现象的科学和哲学的普及读物。
