CASI： 是新书 "Computer Age Statistical Inference: Algorithms, Evidence and Data Science " ！《计算机时代的统计推理：算法，论证 和 数据科学》 是2017年PROSE大赏Winner! 一共490多页~~~新书PDF（8.5M）免费发放 。请点击文章底部 “阅读原文” 链接获取！为什么要推荐这本书？ 适合哪些读者？
大赏Winner
PROSE (Professional and Scholarly Excellence)是美国教材领域的新星招牌 ~
去年的获得的作品有， 爱因斯坦论文全集 ( The Collected Papers of Albert Einstein: Digital Edition )
大神制作
题目： 卡西 (CASI) 看上去是不是有点像CS + AI, 错！ 本书是统计三大分支Bayesian, Frequentist, Fisherian的一次大融合！ 而且把融合的背景定义为大数据， 机器学习， 数据科学这些计算机时代迸发的基础！
作者：
一作： Bradley Efron 美国院士，美国国家科学奖章National Medal of Science获得者，是Bootstrap的发明者， 开启统计机器学习分支的大神！ Lasso 算法 (参考Lasso简史)的发明者Robert Tibshirani就是他的博士生。
二作： Trevor Hastie统计学习巨作 ESL(Elements of Statistical Learning: Data Mining, Inference, and Prediction) 的作者。
适合读者
本书内容三部曲关键词：
1.开篇基础
统计学的频率角度， 贝叶斯角度， 和费希尔推理（最大似然角度）以及 概率分布（指数族）
2.统计学习早期突破
经验贝叶斯理论， 岭回归， 广义线性模型， EM算法， Jacklife和Bootstrap方法， 交叉验证CV思想， 和 蒙特卡洛-马尔科夫 MCMC思想
3.21世纪发展
大规模假设检验， 稀疏模型和Lasso算法， 随机森林和Boosting思想， 深度学习， SVM和核方法， 学习模型选择， 贝叶斯估计
因此， 从内容上看， 本书是数学、统计、生物、金融、物理相关领域学习机器学习、人工智能最好的切入书之一。 是计算机、机器学习、人工智能、电子工程、自动化领域打牢数学基础的最好基础工具之一。
小结：
点击 文章底部 “阅读原文” 吧， 记得PDF要有8.5M流量，耐心下载 ~
相关话题：
近期话题：
网友评论