编辑：肖琴
【新智元导读】
最经典的机器学习教材之一、大牛Christopher Bishop所著的《
模式识别与机器学习》公开了官方的免费下载版本！
今天，微软剑桥研究院在官方推特放出一个大好消息：最经典的机器学习教材之一、Christopher Bishop所著的“
Pattern Recognition and Machine Learning”（模式识别与机器学习）
公开了官方的免费下载版本！
Christopher Bishop
是微软Technical Fellow、微软剑桥研究院实验室的负责人。Christopher Bishop有理论物理的学术背景，后投身于计算机视觉领域的模式识别和深度学习。
这本教材提供了
对模式识别和机器学习领域的全面介绍
，面向的读者是本科生和低年级博士生，以及研究人员和从业人员。
出版于2006年，本书是这个领域的第一本机器学习教科书，全面涵盖了该领域最近的发展，如概率图模型和确定性推理方法，并强调现代贝叶斯观点。本书适用于机器学习、统计学、计算机科学、信号处理、计算机视觉、数据挖掘、生物信息学等课程。
全书共738页全彩印刷，包括431个练习题（提供答案）。
作为名副其实的经典教材，无数机器学习研究者曾研读并受益于它。因此，开放下载的消息一出，立刻引起许多研究人员的推荐和赞誉。
谷歌研究员David Ha (@hardmaru)表示：
这本关于机器学习基础的经典书籍现在可以从微软官方免费下载PDF版本了！多年来，我从这本书中学到了很多，我觉得很多材料现在仍然是相关的。练习的答案似乎也能获得！
DeepMind研究科学家Ali Eslami表示：
这是一个非常赞的资源。它是在深度学习革命之前写作的，因此它为深度学习提供了很好的背景知识。我博士第一年的大部分时间研读这本书。
事不宜迟，赶快来下载：
https://www.microsoft.com/en-us/research/people/cmbishop/#!prml-book
Christopher Bishop其人
Christopher Bishop
Christopher Bishop是微软 Technical Fellow，微软剑桥研究院实验室负责人。
Christopher Bishop还是爱丁堡大学计算机科学教授，剑桥大学达尔文学院 Fellow。2004年当选为英国皇家工程院院士，2007年当选为爱丁堡皇家学会院士，2017年当选为英国皇家学会院士。
在微软研究院，Chris带领世界领先的工业研究和开发团队，专注于机器学习和人工智能，并在云基础设施、安全、工作场所生产力、计算生物学和医疗保健领域创造突破性技术。
Chris在牛津大学获得物理学学士学位，在爱丁堡大学获得理论物理学博士学位，毕业论文关于量子场论。从那时起，他开始对模式识别产生兴趣，并成为AEA Technology应用神经计算中心的负责人。随后，他被选为阿斯顿大学计算机科学与应用数学系主任，并在阿斯顿大学成立并领导了神经计算研究小组。
Chris著有两本被广泛采用的机器学习教科书:Neural Networks for Pattern Recognition(1995)和 Pattern Recognition and Machine Learning(2006)。他还致力于机器学习在计算机视觉和医疗保健等领域的广泛应用。
主要内容和目录
本书主要内容包括：
第一章：简介
概率论、模型选择、决策理论、信息理论
第二章：概率分布
二元变量、多项变量、高斯分布、指数分布族、非参数方法
第三章：线性模型回归问题
线性基函数模型、偏置方差分解、贝叶斯线性回归、贝叶斯模型比较、The Evidence Approximation、固定基函数的局限性
第四章：线性模型分类问题
判别函数、概率生成模型、概率判别模型、拉普拉斯逼近、贝叶斯逻辑回归
第五章：神经网络
前馈神经网络、网络训练、误差反向传播、Hessian矩阵、神经网络的正则化、混合密度网络、贝叶斯神经网络
第六章：Kernel方法
对偶表示、构造核、径向基函数网络、高斯过程
第七章：Sparse Kernel Machines
最大边缘分类器、相关向量机
第八章：图模型
贝叶斯网络、条件独立性、马尔科夫随机场、图模型的推理
第九章：混合模型和EM
K-means聚类、高斯混合、EM算法
第十章：近似推断
变分推断、高斯的变分混合、变分线性回归、指数族分布、局部变分方法、变分logistic回归、Expectation Propagation
第十一章：采样方法
基本采样算法、马尔科夫链蒙特卡洛、吉布斯采样、切片采样、混合蒙特卡洛算法、估计划分函数
第十二章：连续潜在变数
主成分分析，Probabilistic PCA，Kernel PCA，非线性潜变量模型
第十三章：序列数据
马尔可夫模型，隐马尔可夫模型，Linear Dynamical Systems
第十四章：混合模型
贝叶斯模型平均法，Committees，Boosting，基于树的模型，条件混合模型
完整目录：
