机器学习实战：基于Scikit-Learn和TensorFlow pdf epub mobi txt 电子书 下载 2025
Aurelien Geron 是机器学习方面的顾问。他曾是Google软件工程师，在2013年到2016年主导了YouTube视频分类工程。2002年和2012年，他还是Wifirst公司（一家法国的无线ISP）的创始人和首席技术官，2001年是Ployconseil公司（现在管理电动汽车共享服务Autolib）的创始人和首席技术官。
- 机器学习
- tensorflow
- sklearn
- 深度学习
- Python
- 人工智能
- TensorFlow
- 计算机
本书主要分为两个部分。第一部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；第二部分为第9章到第16章，探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
具体描述
读后感
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...
用户评价
可以了解反人类工具时代的tensorflow
评分后半部分翻译欠妥，可以对照github阅读。
评分神经网络之前认真看了一下，果然还是看到代码会更有体会
评分名为实战，但不是项目的实战，而是用基于python讲解理论知识的实战。上半卷sklearn相见恨晚，下半卷tensorflow似读天书。阅读门槛其实比较高，要能理解，必须对从sklearn到tensorflow的调包，以及从机器学习到深度学习的理论都有基本的了解。
评分忍不住从五分降低到四分，后面深度学习那块的翻译者是机器翻译后根本没调吧。读起来根本就晦涩曲解，出书可是会一直流传的，这骂名且背着吧。 等看具体内容介绍部分的感觉吧，反正感觉tf介绍很不好，还不如网贴。 后续深度学习部分，有些像文献综述，作者的深度和广度的确是有的，只是不太适合初学者扎实基础用，很多方法先有个概览，后面再找书扎扎实实推导吸收。 机器学习或者深度学习，是一个需要实践推动的学科，需要跑模型，思考，再去理解某些优化方式或者模型的特点，以及表现优秀的原因。
相关图书
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
© 2025 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有