很快我将完成Shai Ben-David 和 Shai Shalev-Shwartz 的《理解机器学习：从理论到算法》。我绝对喜欢这个主题并想了解更多信息，唯一的问题是我很难找到一本可以在此之后出版的书。最终，我的目标是阅读JMLR 的 COLT中的论文。
有没有类似于“理解机器学习：从理论到算法”的书，可以进一步提高我的知识，并且在阅读 UML 后会很好？
是否有任何其他材料（不是一本书）可以让我了解更多信息或为阅读上述期刊做好准备？
（另外，参加这方面的课程并不是一个真正的选择，所以这将是自学的）。
（请注意，我也在TCS SE上问过这个问题，但建议我也在这里问。）
尽管我仅部分阅读或根本未阅读以下一些资源，其中一些资源可能不会涵盖比您正在阅读的书中介绍的更高级的主题，但我认为它们仍然对您的目的有用，所以我将与您分享。
我还想指出，如果您了解您当前正在阅读的书的内容，您可能已经准备好阅读一些（如果不是大部分）您想阅读的研究论文。最初，您可能会发现它们有点过于简洁，有时还不清楚或复杂，但您需要习惯这种格式，因此没有什么能阻止您尝试阅读它们并通过此练习了解更多信息。
E. Mark Gold的 Language Identification in the limit (1967)（本文介绍了算法学习理论，即 CLT 的非统计方法）
Valiant的 A theory of the learnable (1984)（本文介绍了 PAC 学习）
Vapnik的统计学习理论概述（1999 年）
Bousquet 等人的《统计学习理论导论》（2014 年）。
计算学习理论 - 迈克尔马斯 2018 年，作者 Varun Kanade
Shai Shalev-Shwartz 的机器学习简介（2009 年）
Gábor Lugosi的集中测量不等式（2009 年）
Stat 928： Sham Kakades 的统计学习理论（2011 年）
COMS E6253，计算学习理论高级主题(2012) Rocco Servedio
9.520：统计学习理论和应用， Tomaso Poggio 等人，2012 年春季。
STAT928：Alexander Rakhlin 和 Karthik Sridharan 的统计学习理论和顺序预测(2014)
ECE 543，统计学习理论(2019)，作者 Bruce Hajek 和 Maxim Raginsky
另请参阅由 Kiran Vodrahalli 编译的资源列表https://kiranvodrahalli.github.io/links/#resources-notes-textbooks-monographs-classes-etc 。