写了一本适合本科生的机器学习书：《机器学习入门基础（微课版）》

各位读者朋友们，今天我要给大家推荐一本非常实用的机器学习入门基础图书——《机器学习入门基础（微课版）》。这本书是由黄海广老师倾心打造，适合只有本科三年级数学水平以上的初学者入门，这本书已经被很多学校定为本科生教材。

背景介绍

本书的作者黄海广老师是一名大学教师，翻译和整理过很多人工智能的入门课程资料，如“吴恩达机器学习”的翻译和笔记整理等，他目前承担本科生和研究生的机器学习课程的教学工作。在借鉴了国内外许多优秀的机器学习课程和作品后，黄海广老师决定写一本适合初学者的机器学习入门书，以方便大家快速入门。

内容梗概

这本书已经在清华大学出版社完成第二次印刷，不仅适合初学者学习，也适合新手老师授课。主要内容包括线性回归、逻辑回归、决策树等经典算法，以及 XGBoost、LightGBM 等集成学习算法。此外，还讲解了利用机器学习解决问题的实用技术，包括 Python、Scikit-learn 工具的使用等。

课程目录如下：

亮点分析

• 1.图文并茂

本书内容图文并茂，绝大部分图例都是黄海广老师制作，形象生动，部分插图如下：

• 2.代码分享

本书的课件和代码已经在 Github 上分享，已经获得1400+star。

• 3.视频讲解

本书的大部分内容有视频讲解，扫描该内容下方的二维码可以查看视频讲解，也可以加入中国大学慕课学习完整课程。黄海广老师主讲的中国大学慕课《机器学习》已经被认定为浙江省一流本科课程。

• 4.课后练习

在本书中，每章都有代码，以及 20 题以上的练习题，方便读者巩固所学知识。

• 5.配套教学资料

在本书中，每章都有适合教学的课件，并提供教学进度和教学大纲，可以分享给在职的教师。目前作者已经把完整课件和代码分享给国内约1300位教师。

• 6.教学安排

本书可以作为专科生、本科生、研究生的教材。

作为本科生的教材时，第2章数学基础回顾和第11章人工神经网络可以作为选修部分，建议课时：理论课32课时，实验课16~32课时；

作为专科生的教材时，建议配合代码进行课程讲解，增加实验部分课时，减少理论部分课时，建议课时：理论课32课时，实验课32课时；

作为研究生的教材时，建议课时为36课时，实验部分建议自学。

适用人群

本书适合想要入门机器学习的读者，只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握本书的绝大部分内容。

本书也适合初学机器学习的硕士生、博士生入门机器学习课程。

作者的话

作者表示，写这本书的初衷是希望帮助初学者更好地入门机器学习，解决资料太多、难以取舍的问题，以及理论性强、初学困难的问题。同时，作者也希望通过这本书，让更多的人了解和掌握机器学习技术，为相关领域的发展做出贡献。总之，这是一本内容丰富、实用性强的机器学习入门图书，适合广大初学者和相关领域的从业人员阅读。如果你对机器学习感兴趣，不妨一读，相信你会有收获。

在本书的编写过程中，得到了很多人的支持和帮助，如李航老师和徐亦达老师，对我的工作十分支持，在此表示感谢！

本人水平有限，如有公式、算法错误，欢迎各位读者指正批评。

相关资源

这本书的视频内容已经在中国大学慕课进行授课，目前是第六轮了。慕课地址：

https://www.icourse163.org/course/WZU-1464096179

课程资源（pdf版本课件和代码）公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course

本书的课件和教学资料，可以分享给在职的教师，请用edu邮箱联系：haiguang2000@wzu.edu.cn

本书购买地址（阅读原文可达）：

https://item.jd.com/13935772.html