图书标签: 机器学习  TensorFlow  Python  sklearn  人工智能  ML  深度学习  计算机   

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

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

真正做到由简入深、既能实践又有学术基础的好书。

挺不错的。开头的案例分析、概念讲解都很好，后面对神经网络的介绍也不错，代码也非常有参考性。可惜之处就是案例有些少，我其实想看更多的应用，比如Kaggle真题解析100道这种

挺不错的。开头的案例分析、概念讲解都很好，后面对神经网络的介绍也不错，代码也非常有参考性。可惜之处就是案例有些少，我其实想看更多的应用，比如Kaggle真题解析100道这种

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。

真正做到由简入深、既能实践又有学术基础的好书。

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...  

================================================== [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...  

挺不错的，推荐做ML的同学都拿来看看，一定能学到不少东西，尤其是接触没多久的 不足之处是例子还是稍显不足，我个人更想要Kaggle真题解析 一些我比较喜欢的地方如下 1. 2-3章适合所有刚接触数据科学的同学 第2章 California housing（加州区域房价）的例子非常实际，能学到很...  

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

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...