动手学机器学习

这本书最鲜明的特点，是把“学原理”和“写代码”焊在了一起：每一章都对应一个可运行的 Python Notebook，概念、推导、算法步骤与代码并存，读者可以只挑感兴趣的章节读。它的定位是入门——对每个算法只讲最基本的，不刻意发散，因此讲得清晰透彻的地方让人舒服，而真正困难的部分又难免跳步。正因如此，它更适合想快速建立整体框架、边动手边理解底层逻辑的初学者，而不是追求数学严丝合缝、想死扣原理的读者。它常被拿来与周志华的《机器学习》、李航的《统计学习方法》对照阅读，也常有人读完转头又去啃《动手学深度学习》。它不是最严谨的，也不是最全面的，但“能跑起来的机器学习”这一体验，是它区别于同类教材的核心价值。

张伟楠，上海交通大学副教授，博士生导师，ACM班机器学习、强化学习课程授课教师。主要研究强化学习、数据挖掘、知识图谱、深度学习以及这些技术在推荐系统、游戏智能、机器人控制等场景中的应用，累计发表国际期刊和会议论文180余篇。 赵寒烨，上海交通大学 APEX数据与知识管理实验室博士生，师从张伟楠副教授，研究方向为强化学习、机器学习。以第一作者身份在人工智能国际会议 NeurIPS上发表论文，并参与多本机器学习相关教材的编写。 俞勇，上海交通大学ACM班创办人，上海交通大学特聘教授。2018年创办伯禹人工智能学院，在上海交通大学ACM班人工智能专业课程体系的基础上，对人工智能课程体系进行创新，致力于培养人工智能算法工程师和研究员。