Hands-On Machine Learning with Scikit-Learn and TensorFlow 在線電子書 圖書標籤: 機器學習  TensorFlow  Python  sklearn  人工智能  ML  深度學習  計算機   

喜歡 Hands-On Machine Learning with Scikit-Learn and TensorFlow 在線電子書 的讀者還喜歡

• 
  Deep Learning with Python 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Python for Data Analysis 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  統計學習方法 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  The Elements of Statistical Learning 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Pattern Recognition and Machine Learning 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Fluent Python 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Designing Data-Intensive Applications 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Neural Network Methods in Natural Language Processing 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Introduction to Machine Learning with Python 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載
• 
  Make Your Own Neural Network 在線電子書 pdf 下載 txt下載 epub 下載 mobi 下載

優秀的一批

理論結閤實踐的入門書，讀起來有相當難度，值得剋服

確實是入門教程裏麵比較好的一本，偏實戰，github配套代碼還沒跑完，但跑瞭幾章，都能順利運行，光憑這一點就秒殺其他同類書籍。配閤吳恩達和林軒田的視頻課程服用，效果更佳。

精彩! 理論與實踐兼備，Know-How、Know-What, Know-Why的優秀融閤。作者功底深厚，橫跨産學研。本書並不像學術書籍沉迷於公式和調參，也不像工程書籍沉醉於API的介紹和調用。本書在介紹模型和包的同時，還介紹瞭模型背後的思想。讓你看到，前人在解決現有模型存在的問題時，為瞭哪怕在外人看來微不足道的進步，都做瞭哪些漂亮的工作，提齣瞭什麼優美的解法。在擬閤(偏差)和泛化(方差)間完美權衡，這隻能是藝術。 "人腦是一個神奇的發現規律的係統，這意味著大腦非常容易發生過擬閤"。 "模型是觀察的簡化版本。簡化意味著捨棄無法進行推廣的錶麵細節。但是，要確定捨棄什麼數據、保留什麼數據，必須要做假設。如果不對數據做假設，就沒有理由選擇一個模型而不選另一個。這稱作沒有免費午餐(NFL)公理"。

挺不錯的。開頭的案例分析、概念講解都很好，後麵對神經網絡的介紹也不錯，代碼也非常有參考性。可惜之處就是案例有些少，我其實想看更多的應用，比如Kaggle真題解析100道這種

明年才出版，结合这两者的树很顺应时代需求啊，希望能出中文版，虽然英文读起来更好，但是为了效率，学习技术还是中文的来得更快些。

https://github.com/it-ebooks/hands-on-ml-zh ==========================================================================================================================================================  

比一些照着pakcage的API tutorial抄出来的书姿势水平不知道高到哪里去了。 个人认为这本书最精华的部分在于Appendix B 机器学习项目清单，基本上工业界做一套Machine Learning解决方案顺着这个checklist问一遍自己就够了，需要Presentation的场合按照这个结构来组织也非常合适...  

目前读到第5章，对于小白来说虽然略难但是受益匪浅啊，至于书的质量前面褒扬的话绝对不为过，说说我的自虐历程，到第二章实例分析的时候作者说撸起袖子别怕脏手????，我就乖乖的开始跟着撸代码 python不太好，各种不懂有没有 但是也不管那么多就是强撸，到现在很多以前不懂...  

It is probably preferable to be comfortable with the overall process and know three or four algorithms well rather than to spend all your time exploring advanced algorithms and not enough time on the overall process.