通过具体的例子、很少的理论以及两款成熟的Python框架:Scikit-Learn和TensorFlow,作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术,从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识,你只需要有一些编程经验就行了。
探索机器学习,尤其是神经网络
使用Scikit-Learn全程跟踪一个机器学习项目的例子
探索各种训练模型,包括:支持向量机、决策树、随机森林以及集成方法
使用TensorFlow库构建和训练神经网络
深入神经网络架构,包括卷积神经网络、循环神经网络和深度强化学习
学习可用于训练和缩放深度神经网络的技术
运用实际的代码示例,无需了解过多的机器学习理论或算法细节
Aurélien Géron,是一名机器学习顾问。作为一名前Google职员,在2013至2016年间,他领导了YouTube视频分类团队。在2002至2012年间,他身为法国主要的无线ISP Wifirst的创始人和CTO,在2001年他还是Polyconseil的创始人和CTO,这家公司现在管理着电动汽车共享服务Autolib'。
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...
评分https://github.com/it-ebooks/hands-on-ml-zh ==========================================================================================================================================================
评分https://github.com/it-ebooks/hands-on-ml-zh ==========================================================================================================================================================
之前有一些机器学习的了解,这本书看得很顺畅。看完可以实际做一些通用的项目。很大一部分原因应该是机器学习本身傻瓜式的应用难度。当然困难的问题和创新,还是少不了对理论更深入的了解。
评分看了英文版的,很适合初学者入门。但是最好能把统计学在复习一遍,边学边复习,虽然会很慢。所以现在开始学习统计学还来得及吗?
评分真心高出国内教材十条街
评分感觉最好还是有点基本概念更好懂。。建议,NG网课入门,这本书加强。 另外,没有中文版,英文版读起来也很舒服鸭。
评分真心高出国内教材十条街
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有