Hands-On Machine Learning with Scikit-Learn and TensorFlow pdf epub mobi txt 電子書 下載2025
- 機器學習
- TensorFlow
- Python
- sklearn
- 人工智能
- ML
- 深度學習
- 計算機
具體描述
讀後感
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.
評分================================================== [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...
評分挺不错的，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...
評分明年才出版，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。
評分目前读到第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...
用戶評價
真正做到由簡入深、既能實踐又有學術基礎的好書。
评分精彩! 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"。
评分看瞭 TensorFlow 的部分。在介紹工具的書裏麵算很不錯瞭，就是深度還有點缺。經驗豐富的碼農+學過點ML，就著個參考工程邊看邊改，就已經連濛帶猜知道瞭這書裏講的超過一半內容。看這本書能 get things work，但還不能 work better。還是希望最佳實踐能夠講得多一些，比如我現在很需要一些DL調參的經驗和工具，但這裏隻能找到默認設置。
评分全乾貨，當代工程師必讀
评分深入淺齣，機器學習入門極佳選擇。即使編程和數學基礎較弱，認真讀讀書裏的解釋，再在網上做些搜索，也能看懂大部分內容。不要猶豫瞭，就讀這本吧。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有