概率机器学习

*本书以概率建模和推断为主线，系统阐述机器学习的基本原理、典型模型和算法，包括经典机器学习模型和算法、学习理论，也包括深度神经、概率图模型、深度生成模型、强化学习等前沿内容。通俗易懂，逻辑性强，可操作性好。

*简化复杂的数学证明和推导过程，并配套大量典型实例和示意图，理论与应用交错编排，图文并茂、深入浅出地阐述机器学习的基本原理、算法和应用，读者只需具备高等数学的基础知识即可阅读。

*本书是作者在二十年机器学习研究的成果上，总结讲授十余年“统计机器学习”课程的基础上编写而成的，通俗易懂，逻辑性强，可操作性好，特别适合作为机器学习的基础教材。

*本书可供理工科高等院校的高年级本科生、研究生、教师以及从事机器学习的研究人员和工程技术人员学习和参考。

随着深度学习、大规模预训练模型和生成式人工智能的进展，机器学习已成为解决很多工程和科学问题的**方案。《概率机器学习》一书从概率建模和统计推断的角度系统介绍机器学习的基本概念、经典算法及前沿进展。主要内容包括概率机器学习基础、学习理论、概率图模型、近似概率推断、高斯过程、深度生成模型、强化学习等。全书从实例出发，由浅入深，直观与严谨相结合，并提供了延伸阅读内容和丰富的参考文献。

朱军，清华大学计算机系Bosch AI冠名教授，IEEE Fellow，清华大学人工智能研究院副院长，曾任卡内基-梅隆大学兼职教授。主要从事机器学习研究，担任国际著名期刊IEEE TPAMI副主编，担任ICML、NeurIPS、ICLR等（资深）领域主席二十余次。获中国科协求是杰出青年奖、科学探索奖、中国计算机学会自然科学一等奖、吴文俊人工智能自然科学一等奖、ICLR国际会议杰出论文奖等。入选万人计划领军人才、中国计算机学会青年科学家、MIT TR35中国先锋者等。