谷歌研究科学家 Kevin P. Murphy 的概率机器学习书籍即将发行第二版了。经历了近十年的发展之后，这本人工智能领域经典书籍的内容丰富了不少（从页数上也能看出来）。

在机器学习领域，不管是学生、研究人员还是业界人士，都应该读过一本名为《机器学习：基于概率论的观点》的书籍。

这是谷歌研究科学家 Kevin P. Murphy 撰写的经典机器学习图书，共 1100 页左右，自 2012 年由 MIT 出版社发行以来，广受好评。并获得了 2013 年 DeGroot 统计科学领域最佳书籍奖。

有人说，这是自己心目中 ML 领域三大经典教材之一。

还有人说，这本书适合「没时间看 Paper 的自学民工」。

但也有很多读者发现，这本书中出现的印刷错误较多。Anyway，它仍然不失为一本优秀的机器学习书籍。

近日，作者 Kevin P. Murphy 正式宣布，该书籍将在 2021 年再版，内容更新、更全。

在加入谷歌之前，Kevin P. Murphy 是不列颠哥伦比亚大学（UBC）的终身副教授。他在加州大学伯克利分校获得博士学位。

Kevin P. Murphy 提到：「在 2020 年春天，第二版的草稿已经差不多 1600 页了。不过 MIT 出版社告诉我，他们无法出版一本 1600 页的书籍，因此我将其拆分成了两卷，并寻求了几位同事的帮助，来完成最后 15% 的部分。」

现在的结果是，将会在有两本新的书籍出版。一本是《概率机器学习：简介（Probabilistic Machine Learning: An Introduction）》，PDF 版本和 Python 代码目前已经发布；一本是《概率机器学习：进阶（Probabilistic Machine Learning: Advanced Topics）》，为第一本的续，内容正在准备中，预计 2022 年出版。

每本书都加入了很多新的材料，包括深度学习领域的一些主题以及其他进展，比如生成模型、变分推理、强化学习等。为了让这一版内容自成一体，作者还增添了一些例如优化和线性代数方面的背景内容。

书籍第一卷整体目录如下：

在短目录之后，书内也提供了详细的长目录。

书籍 PDF 地址：https://github.com/probml/pml-book/releases/download/2020-12-28/pml1-2020-12-28.pdf

另外一个重要变化是，这版所有的软件都是使用 Python 而不是 Matlab。新的代码使用的是标准 Python 库，如 Numpy、Scipy、Scikit-Learn 等。一些示例特使基于各种深度学习库，如 TensorFlow、PyTorch 和 JAX。几乎每一章都有 Jupyter 笔记本，讨论了书中正文没有空间讨论的实际问题。

阿姆斯特丹大学教授、高通技术副总裁 Max Welling 推荐说：「这是当前机器学习最全面和最易理解的书，还涵盖了深度学习和因果发现的最新进展。这次更新之后，它仍然是我们这个领域的参考书籍，研究者应该将它摆在办公桌上。」

牛津大学计算机系副教授、艾伦图灵研究所研究员 Yarin Gal 表示：「现在有很多关于机器学习的书，但没有一本像这本一样全面。对于这本书所做的大量工作，我感到惊讶，很多人肯定会用它来培养下一代机器学习专家。」

第二卷内容也正在准备中，目录如下：

只是希望这次，不要再在收藏夹里吃灰了……

「20分钟翻完50页，然后永远不再见？」

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。