代码开源！超好用的《机器学习实用指南》第二版终于来了

作者： Author 红色石头 2020-02-11 10:30:32

早在去年的这个时候，红色石头就发文给大家推荐过一本非常棒的机器学习实用指南书籍《Hands-On Machine Learning with Scikit-Learn & TensorFlow》，中文译为《Scikit-Learn 与 TensorFlow 机器学习实用指南》。

这本书最大的特色从理论上讲就是言简意赅，全书基本上没有太多复杂的数学公式推导，语言通俗易懂，很容易看得懂、看得下去。这一点红色石头也发现是现在很多教材所欠缺的。

重磅！

时隔一年，这本超赞的机器学习实用指南终于正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，中文译为《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》，并且在美国亚马逊上开售了，可惜国内还没有开售，影印版和中文翻译版还没出来。请看封面：

书籍作者

这本《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》的作者是 Aurélien Géron，法国人，毕业于AgroParisTech，曾任 Google Youtube 视频分类项目组负责人，创建过多家公司并担任 CTO，也曾在 AgroParisTech 担任讲师。现在是一名机器学习的顾问。

版本变化

总的来说，第二版相比第一版增加了许多新的内容，最直白的就是第一版使用了 Scikit-Learn 和 TensorFlow，而第二版增加了 Keras 深度学习框架。

从内容上来说，第二版增加了更多的机器学习前沿知识，包括：无监督学习，训练深度网络，计算机视觉，自然语言处理等等。

详细的版本更新可以看这里：

https://github.com/ageron/handson-ml2/blob/master/changes_in_2nd_edition.md

书籍介绍

第二版跟第一版一样，全书也分成了两大部分，第一部分是机器学习基础，包含了第 1~9 章内容：

Chapter 1. The Machine Learning Landscape
Chapter 2. End-to-End Machine Learning Project
Chapter 3. Classification
Chapter 4. Training Models
Chapter 5. Support Vector Machines
Chapter 6. Decision Trees
Chapter 7. Ensemble Learning and Random Forests
Chapter 8. Dimensionality Reduction
Chapter 9. Unsupervised Learning Techniques

第一部分与第一版书籍内容相差不多，仅多了一个第9章的无监督学习。

全书第二部分是神经网络与深度学习，包含了第 10~19 章内容：

Chapter 10. Introduction to Artificial Neural Networks with Keras
Chapter 11. Training Deep Neural Networks
Chapter 12. Custom Models and Training with TensorFlow
Chapter 13. Loading and Preprocessing Data with TensorFlow
Chapter 14. Deep Computer Vision Using Convolutional Neural Networks
Chapter 15. Processing Sequences Using RNNs and CNNs
Chapter 16. Natural Language Processing with RNNs and Attention
Chapter 17. Representation Learning and Generative Learning Using Autoencoders and GANs
Chapter 18. Reinforcement Learning
Chapter 19. Training and Deploying TensorFlow Models at Scale

这部分深度学习是作者更新最多的，跟第一版差别较大。

随书代码

作者将本书所有章节的详细代码都开源了并发布在 GitHub 上，目前已经收获了 5.3k star。项目地址为：https://github.com/ageron/handson-ml2

不得不说，作者配套的随书代码质量很高！看过第一版的读者应该知道，每个章节的代码都是 .ipynb 文件，用 Jupyter Notebook 就能打开。除了代码，相应的文档解释非常多。

代码开发 AI

上一篇：会写代码的人工智能来了下一篇：2020年值得关注的10个人工智能趋势

暂无评论，快去成为第一个评论的人吧

代码开源！超好用的《机器学习实用指南》第二版终于来了

更多资讯推荐