564 頁《Hands-On Machine Learning》已開源,入門必備!

2021-03-01 AI有道

點擊上方「AI有道」，選擇「置頂」公眾號

重磅乾貨，第一時間送達

今天給大家推薦一本機器學習、深度學習入門的必備書籍：《Hands-On Machine Learning with Scikit-Learn & TensorFlow》，中文譯為《Scikit-Learn 與 TensorFlow 機器學習實用指南》。

這本書總共分為兩大部分，第一部分介紹典型的機器學習算法，在介紹理論的同時每章都配備 Scikit-Learn 實戰項目；第二部分介紹神經網絡與深度學習，同樣每章也配備 TensorFlow 實戰項目。附錄部分內容也非常豐富。整本書兼顧理論與實戰，是一本非常適合入門和實戰的機器學習書籍。

整本書的目錄如下：

這本書最大的特色從理論上講就是言簡意賅，全書基本上沒有太多複雜的數學公式推導，語言通俗易懂，很容易看得懂、看得下去。更重要的是每一個章節都配備了相應的實戰代碼，使用 Scikit-Learn、TensorFlow 進行編程。

本書作為 Python Machine Learning 的入門教材，著重介紹了如何使用 Scikit-Learn 和 TensorFlow 建立機器學習的模型和訓練，同時兼顧了理論，涉及的內容也很廣泛和前沿，有 CNN，RNN，Autoencoder 和 RL，令人讀完受益匪淺。

該書的評價很高，豆瓣評分高達 9.3 分！

目前，作者已經把該書所有章節的代碼全部發布在了 GitHub 上，並在不斷更新。項目地址為：

https://github.com/ageron/handson-ml

該項目已經收穫了超過 1.2w 的 star 了。

因為原書是英文，想參考中文翻譯的可以看看由 ApacheCN 的翻譯，質量還不錯。翻譯項目地址為：

https://github.com/apachecn/hands-on-ml-zh

目前，該書籍的電子版 pdf 和全書包含的所有代碼已經打包完畢。獲取方式如下：

1.掃描下方二維碼關注 "深度學習專欄" 公眾號

2.公眾號後臺回復關鍵詞：HOML

👆掃描上方二維碼關注

相關焦點

  • 564 頁《Hands-On Machine Learning》已開源,機器學習入門必備!
    點擊上方「深度學習專欄」，選擇「置頂」公眾號重磅乾貨，第一時間送達今天給大家推薦一本機器學習、深度學習入門的必備書籍整本書兼顧理論與實戰，是一本非常適合入門和實戰的機器學習書籍。整本書的目錄如下：本書作為 Python Machine Learning 的入門教材，著重介紹了如何使用 Scikit-Learn 和 TensorFlow 建立機器學習的模型和訓練，同時兼顧了理論，涉及的內容也很廣泛和前沿，有 CNN，RNN，Autoencoder 和 RL，令人讀完受益匪淺。該書的評價很高，豆瓣評分高達 9.3 分！
  • Machine Learning 入門指南(MOOC版)
    另外，實際程式語言我推薦用Python，ipython notebook+文本編輯器就夠了，具體就不多講了，Python入門課程也有很多，推薦邊學邊用。另外，ML是基於數據的，因此分布式的計算平臺是很實用的，edx上有兩門高質量的相關課程： Big data analysis with spark 、scalable machine learning ，課程不難，作業認真做就夠了。
  • awesome-adversarial-machine-learning資源列表
    發現一個不錯的awesome-adversarial-machine-learning的資源列表，有需要的同學可以查看訪問：
  • 開源!《Python 機器學習》-Python Machine Learning(附電子版 pdf)
    書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition資源下載：為了方便大家，附上雲盤下載連結，長按掃碼關注：機器學習算法那些事
  • 讀者推薦書籍和他的筆記Hands-on Machine Learning
    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:
  • Hands-on Machine Learning with Scikit-Learn and TensorFlow 學習筆記
    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:
  • 教你Machine Learning 玩轉金融入門Notes
    學習宏觀和machine learning之後發現這兩個真是天生一對，這也是我為什麼想要寫這篇文章。 (對宏觀感興趣的童鞋可以參見我之前在知乎上寫的一篇自學筆記《Macro入門note》) 對於個人而言，如果自己沒有相應對數據進行處理的能力(這裡不單單包括machine learning)，那麼相對其他人的edge就會越來越被限制，直到被市場淘汰。 那也許就有人會問，以後是不是金融領域就全部招程式設計師和data scientist，不需要基金經理了呢？
  • 開源《Python 機器學習》-Python Machine Learning第一版+第二版(附電子版 pdf)
    書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition二、主要內容值得一提的是第二版在第一版的基礎上增加了不少新的內容，完整的書籍目錄如下：
  • 開源!《Python 機器學習》-Python Machine Learning第一版+第二版(附電子版 pdf)
    書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition二、主要內容值得一提的是第二版在第一版的基礎上增加了不少新的內容，完整的書籍目錄如下：
  • 機器學習(Machine Learning)&深度學習(Deep Learning)資料(之一)
    《The LION Way: Machine Learning plus Intelligent Optimization》 介紹:<機器學習與優化>這是一本機器學習的小冊子, 短短300多頁道盡機器學習的方方面面. 圖文並茂, 生動易懂, 沒有一坨坨公式的煩惱. 適合新手入門打基礎, 也適合老手溫故而知新. 比起MLAPP/PRML等大部頭, 也許這本你更需要!
  • 3.6 Google Machine Learning線上講座
    美東時間本周三7:30PM-8:30PM，BRC邀請谷歌一線工程師，為大家詳細解答上述問題，幫助大家開啟機器學習的大門講座內容：What is machine learningTypesof machine learningApplications of machine learningConcepts of machine learningSkills to get a ML-related job導師簡介：AI工程師，現就職於Google，5年以上數據相關工作經驗，在Big Data, Machine Learning,
  • 博客 | 一份中外結合的 Machine Learning 自學計劃
    昨天看到了一位名叫Tess Ferrandez的小姐姐在推特上分享了一套自己的吳恩達老師的課程筆記，再看看我自己以前的筆記，真是非常害羞，世界上最難受的事情就是比你厲害比你努力的人做的筆記顏值也比你高，地址在這裡：https://www.slideshare.net/TessFerrandez/notes-from-coursera-deep-learning-courses-by-andrew-ng
  • Machine Learning+宏觀經濟學入門長文
    金融和統計背景介紹二. machine learning各個方法和在trading上的應用2.1 Supervised Learning: Regressions 2.2 Non-Parametric Regression: K-Nearest Neighbor and LOESS2.3 Tree Based Method ( Random Forest 和
  • Auto Machine Learning 自動化機器學習筆記
    目前有哪些公司在做AutoML，github上又有哪些開源項目？https://github.com/automl/auto-sklearn論文連結：http://papers.nips.cc/paper/5872-efficient-and-robust-automated-machine-learning.pdfClimbsRocks/auto_ml，
  • 價值$47.49 Keras作者大作Deep Learning with Python 免費下載
    By the time you finish, you'll have the knowledge and hands-on skills to apply deep learning in your own projects.
  • Machine Learning-模型調優備忘錄
    （這個與上面的區別在於數據集的特徵不同）混合數據樣本：很拗口，其實意思就是將數據集拆分成不同的子數據集，用於訓練同一個算法，最後輸出綜合的預測結果。這個也被稱之為bootstrap aggregation 或 bagging。
  • ​機器學習(Machine Learning)&深度學習(Deep Learning)資料(之二精選161-315網址)
    Spark MLlib 1.2裡面的Streaming K-means，由斑馬魚腦神經研究的Jeremy Freeman腦神經科學家編寫，最初是為了實時處理他們每半小時1TB的研究數據，現在發布給大家用了。234．《LDA入門與Java實現》介紹:這是一篇面向工程師的LDA入門筆記，並且提供一份開箱即用Java實現。本文只記錄基本概念與原理，並不涉及公式推導。
  • 技術詞條 | 機器學習(Machine Learning)篇
    An overview of machine learning. In Machine learning (pp. 3-23). Springer Berlin Heidelberg.Goldberg, D. E., & Holland, J. H. (1988). Genetic algorithms and machine learning.
  • Machine Learning-算法匯總介紹
    經典問題：classification and regression.（分類與回歸）經典算法：Logistic Regression and the Back Propagation Neural Network.（邏輯回歸算法與BP神經網絡算法）