今天收到 Github 用戶 Baymax（https://github.com/DeqianBai） 的投稿，他目前在哈工程讀研，研究方向是強化學習，利用業餘時間學習了《Hands-on Machine Learning with Scikit-Learn and TensorFlow》這本書並做了Jupyter notebook 筆記，這本書的中文版上市不久，譯名為《機器學習實戰：基於Scikit-Learn和TensorFlow》。這份筆記目前在Github上維護：https://github.com/DeqianBai/Hands-on-Machine-Learning ，點擊文末「閱讀原文」可直達，以下是來自該項目github頁面介紹。
目的這份筆記旨在幫助中文學習者以一種較快較系統的方式入門機器學習，
是在學習Hands-on Machine Learning with Scikit-Learn and TensorFlow這本書的 時候做的個人筆記:
全書分為 Part I 機器學習(8 章) 和 Part II 深度學習(8 章) 兩大部分，Part II 最後一章是強化學習
緒論部分和第一章大家直接看原書就好了，這個項目的代碼示例是從第二章開始的
此項目適用於英語不是那麼好，而且時間又不怎麼充裕，又想要快速入門機器學習的讀者，大神就不要在這裡耽誤時間， 當然你如果想要完善一下自己的知識體系，縷清一些概念之間的關係，這本書還是很不錯的選擇
關於時間，這本書是一位美國數據科學家向我推薦的，他從頭到尾做完了整本書的所有示例代碼，大概用了80個小時左右，以此作為參考，大家自行安排自己的進度
關於習題，每一章後面都提供了相應的練習題，既有簡述類的問答題，也有任務型的代碼操作題，附錄裡面都有參考答案，建議有時間的都學習一下，對於掌握知識，應對面試，很有幫助。簡述型的課後習題都以章節為單位翻譯成中文放在我的簡書上了歡迎查閱Hands-on machine learning with scikit-learn and tensorflow
在知識點廣度上掃清一系列機器學習和深度學習的概念，循序漸進，易於接受
第二章使用Scikit-Learn 全程跟蹤一個機器學習項目的例子，非常有幫助
探索各種訓練模型，包括：支持向量機、決策樹、隨機森林以及集成方法
使用TensorFlow庫構建和訓練神經網絡，深入神經網絡架構，包括卷積神經網絡、循環神經網絡和深度強化學習
知識體系非常系統， 如果你能夠從緒論部分一直看到附錄部分並做完這上面的示例代碼，你的理論基礎一定會紮實的不要不要的
如果你有任何問題可以郵件聯繫我
baideqian@hrbeu.edu.cn
baideqian@foxmail.com