☆☆☆☆☆
简体网页||繁体网页

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2024 pdf epub mobi 电子书 著者简介

---

Hands-On Machine Learning with Scikit-Learn and TensorFlow 电子书 图书目录

---

点击这里下载

---

---

---

发表于2024-05-15

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2024 pdf epub mobi 电子书

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2024 pdf epub mobi 电子书

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2024 pdf epub mobi 电子书

---

喜欢 Hands-On Machine Learning with Scikit-Learn and TensorFlow 电子书 的读者还喜欢

• 
  Deep Learning with Python 2024 pdf epub mobi 电子书
• 
  Python for Data Analysis 2024 pdf epub mobi 电子书
• 
  统计学习方法 2024 pdf epub mobi 电子书
• 
  The Elements of Statistical Learning 2024 pdf epub mobi 电子书
• 
  Pattern Recognition and Machine Learning 2024 pdf epub mobi 电子书
• 
  Fluent Python 2024 pdf epub mobi 电子书
• 
  Designing Data-Intensive Applications 2024 pdf epub mobi 电子书
• 
  Neural Network Methods in Natural Language Processing 2024 pdf epub mobi 电子书
• 
  Introduction to Machine Learning with Python 2024 pdf epub mobi 电子书
• 
  Make Your Own Neural Network 2024 pdf epub mobi 电子书

评分☆☆☆☆☆

tensorflow的官方文档写的比较乱，这本书的出现，恰好拯救了一批想入门tf，又看不进去官方文档的人。行文非常棒，例子丰富，有助于工程实践。这本书上提到了一些理论，简单形象；但是，理论不是此书的重点，也不应是此书的重点。这本书对于机器学习小白十分友好，读完了也就差...  

评分☆☆☆☆☆

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...  

评分☆☆☆☆☆

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...  

评分☆☆☆☆☆

第一部分写scikit的还行，后面第二部分关于神经网络部分，原文写的就乱，很多术语代码该解释的不解释，写的稀里糊涂，翻译更是糊涂，完全当不起5星。 举个例子，第13章330页最下面，“最后一层是不言而喻的:放弃正则化”，翻译的人你给我出来，解释一下什么是放弃正则化，那tm...  

评分☆☆☆☆☆

================================================== [https://github.com/DeqianBai/Hands-on-Machine-Learning] ================================================== 自己翻译的版本，还在更新，打开一个Jupyter 文件就可以一边学习理论，一遍进行操作验证 原书的代码示例...  

类似图书 点击查看全场最低价

出版者:O'Reilly Media

作者:Aurélien Géron

出品人:

页数:450

译者:

出版时间:2017-1-25

价格:USD 49.99

装帧:Paperback

isbn号码:9781491962299

丛书系列:

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2024 pdf epub mobi 电子书

评分☆☆☆☆☆

全干货，当代工程师必读

评分☆☆☆☆☆

看了 TensorFlow 的部分。在介绍工具的书里面算很不错了，就是深度还有点缺。经验丰富的码农+学过点ML，就着个参考工程边看边改，就已经连蒙带猜知道了这书里讲的超过一半内容。看这本书能 get things work，但还不能 work better。还是希望最佳实践能够讲得多一些，比如我现在很需要一些DL调参的经验和工具，但这里只能找到默认设置。

评分☆☆☆☆☆

精彩! 理论与实践兼备，Know-How、Know-What, Know-Why的优秀融合。作者功底深厚，横跨产学研。本书并不像学术书籍沉迷于公式和调参，也不像工程书籍沉醉于API的介绍和调用。本书在介绍模型和包的同时，还介绍了模型背后的思想。让你看到，前人在解决现有模型存在的问题时，为了哪怕在外人看来微不足道的进步，都做了哪些漂亮的工作，提出了什么优美的解法。在拟合(偏差)和泛化(方差)间完美权衡，这只能是艺术。 "人脑是一个神奇的发现规律的系统，这意味着大脑非常容易发生过拟合"。 "模型是观察的简化版本。简化意味着舍弃无法进行推广的表面细节。但是，要确定舍弃什么数据、保留什么数据，必须要做假设。如果不对数据做假设，就没有理由选择一个模型而不选另一个。这称作没有免费午餐(NFL)公理"。

评分☆☆☆☆☆

大赞此书，真当的起深入浅出。相比于书的内容，作者放在Github上的代码更加全面且处于不断更新状态，无形中增加了书的价值。顺带一提，notebook里的Tensorboard图需翻墙才能正常显示。

评分☆☆☆☆☆

五星佳作。目前我所了解到的面向编程的ML/DL技术书籍中最好的一本，完美诠释什么叫“理论联系实际”。适合有CS背景的对ML/DL有兴趣的读者，无论是想熟悉理论还是想练习实现。如果有一定的Python经验读起来会更舒服，另外推荐作者在Github放出的Notebooks, 这个是书中代码和样例的补充，配合书籍本身更能加深理解。前后共花费四周读完，目前我还有两个附录没有看，打算把所有额外的Notebooks再过一遍。单就精彩程度而言，第2、3章的Pipeline和Checklist，CNN和RNN的short introduction，不同的优化方法的对比（进化历程）这几个部分写得最好。

查看全网最低价