作者:（法）奥雷利安?杰龙（Aurélien Géron）著 译者：宋能辉 李娴 译
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

机器学习实战：基于Scikit-Learn Keras和TensorFlow（原书第2版）[pdf txt epub azw3 mobi]电子版下载：

网友评价：

• 很好。准备好好学习一下
• 在看过为数不多的机器学习编程入门书中，此书可谓首选，本书对数学的要求不高，前半本讲各种算法，后半段TensorFlow做模型，兼顾原理和应用。
• 快递快的很，希望之后的学习能多看看有所成就。加油！
• 好书，经典实用
• 虽然没有从事程序员职业，但是特别喜欢学习Python,纯粹就是兴趣使然。谁让现在python量化投资这么火，阅读python的书也不少，就是一直没找到具体的门路，也就是在一些国内量化平台上瞎编些代码，真不知道国外那些职业人士到底是怎么搞的
• 还不错还不错还不错
• 适合有一定Python基础，希望快速入门机器学习深度学习的读者
• 还没来得及看
• 这本书很有用
• 好书。虽然网上文档和帖子很多，但还是需要这样一本系统详细的书。
• 快递超级快，东西看起来也不错，挺好
• 在本书的后面，你将看到著名的MNIST分类器，模型是如何训练的，以及一些基本的机器学习分类器，如SVMs、决策树、随机森林等。 所有这一切都是为了本书的第二部分做准备，这本书涉及Tensorflow(包括安装)和一个基本的神经网络和深层神经网络。
• 一直想买的专业书，超级满意！
• 全干货，当代工程师必读
• 干货满满，要是pytorch也有这个质量的书就好了。
• 五星佳作。目前我所了解到的面向编程的ML/DL技术书籍中最好的一本，完美诠释什么叫“理论联系实际”。适合有CS背景的对ML/DL有兴趣的读者，无论是想熟悉理论还是想练习实现。如果有一定的Python经验读起来会更舒服，另外推荐作者在Github放出的Notebooks, 这个是书中代码和样例的补充，配合书籍本身更能加深理解。前后共花费四周读完，目前我还有两个附录没有看，打算把所有额外的Notebooks再过一遍。单就精彩程度而言，第2、3章的Pipeline和Checklist，CNN和RNN的short introduction，不同的优化方法的对比（进化历程）这几个部分写得最好。
• 物流快，很不错，很满意，觉得还可以～
• 强烈推荐。作者十分专业，且敬业。随书附送的代码、习题答案不断更新。比如SELU的论文6月刚出来，他的代码库6月就包含了这个算法。看本书能极大拓展初学者眼界，让初学者在会「搬砖」的同时，也能了解到学术界最近的动向。可以说是近年来对初学者最好的深度学习教材。
• 第一次见写的这么细致的入门书。好评。
• 书很好，内容丰富充实。服务良好！
• 收获很多，很实用
• 内容全面，从原理到代码实战面面俱到。深入浅出而又视角广阔，代码示例非常精彩，一本极佳的入门书。
• 我认为这本书的结构非常好，并以正确的顺序介绍了主题。尽管这本书有很多公式，但书中的思想和具体例子都得到了很好的解释。
• 与Francios那本Keras的相比同类型，但要好3倍，groundup，建议先这本，再keras。很多内容跟cs231n重复的，但都可以看
• 如果今年在奥运会上有最佳AI/ML书的竞赛，这本书就会赢得金牌！
• 机器学习四大名著之一，新版跟上发展潮流。
• 这本书从机器学习的一些基础算法开始讲授，理论与实践相结合，可以在了解了深度学习的工作流程之后，再来学习机器学习经典算法，别有一番滋味，后面章节的深度学习部分使用tensorflow实现，tensorflow不如keras那样高级封装，学习tensorflow很有必要，tensorflow拥有最多的社区活跃用户，且tensorflow有利于对模型细节的处理，后面的递归神经网络讲解也很棒，对自然语言处理感兴趣的小伙伴一定要看看。
• 围绕机器学习这个概念讲解得很透彻，其实机器学习并不像大家所想的那样只是搭建或者是实现一个模型，然后用起来就完事了。在实际的工业场景当中，机器学习的模型只是一个很小的一部分，算法工程师面对的是从数据到应用再到回流、迭代的一整个链路的事情。很少会有书会涉及模型之外的内容，但是实际上这部分内容是非常重要的。这本书在这点上做得很好，如果你是初学者， 你看完之后，一定对机器学习本身会有更深刻的理解。虽然也许会的模型不多，工具库的使用也不熟练，但是至少在机器学习这个领域内的认知已经合格了。
• 为了带学生比赛，自己买来先学习下。
• 我现在就在学校里，在这个技术为王的时代，只有不断学习才能不被淘汰，才能被人尊重~加油加油加油！
• 比第一版厚比第一版新不知道翻译如何希望比第一版强二个版本都买了对照看吧
• 如果只希望了解基本原理，然后学习如何工程实现，或者调用相关第三方库的，可以看这本书，即可以了解机器学习的基本原理，同时也学习了常用的框架–Scikit-learn 和 TensorFlow。
• 很不错的入门书，要点清晰，paper引用给的也全?
• 除了介绍原理，还介绍如何实施。我要是早几年遇到这本书就好了。
• 内容超级全，比前一版厚了不少
• 很不错的一本书，别人推荐的，感觉内容很翔实！
• 真的棒 其实这个好好学下 就够面试了理论基础了 bat tmd不一定~但是二线公司够了。
• 对于提升自身的技术水平有帮助
• 和许多“深度学习”相关的书一样，比如《Deep Learning》，本书中也有很多方程式，但它比《Deep Learning》少得多，可读性也更强。
• 很好很满意。
• 和其他的书面面俱到不同，这本书当中涉及到的模型其实不多，我翻了一下目录，只有LR、SVM、决策树、随机森林、DNN、CNN这几种。实际上机器学习的核心模型，我们日常当中最经常用到的也就是这么几种。书中的每一个模型都讲解得很深入，不仅有公式、原理还有代码演示。
• 很好的技术编程书籍，内容丰富，多样
• 深入浅出，机器学习入门极佳选择。即使编程和数学基础较弱，认真读读书里的解释，再在网上做些搜索，也能看懂大部分内容。不要犹豫了，就读这本吧。
• 我喜欢这本书的原因是，它会带你从头到尾完成一个完整机器学习项目。因此，你可以看到使用真实数据的感觉，如何可视化数据以获得直观感觉，以及更重要的是，如何为机器学习算法准备数据。
• 坊间传言此书是机器学习四大名著之一。最适合入门的一本。从原理到实战，内容面广，并且第二部分都是3，4年的新技术，挺实用的
• 真正做到由简入深、既能实践又有学术基础的好书。
• 相当不错，正在看
• 不错不错，买来学习学习
• 第二版，使用最新TensorFlow 2的官方高级API，帮助你直观地理解构建智能系统的概念和工具。从业者将学习一系列可以在工作中快速使用的技术。第1部分使用Scikit-Learn来介绍基本的机器学习任务，例如简单的线性回归。第2部分已经过重大更新，采用Keras和TensorFlow 2.0引导读者通过使用深度神经网络的更先进的机器学习方法。
• 一次性买了好多，搞活动确实很合适啊，还没看，先好评
• 这种书一不小心就会写成API手册, 但是这本理论和实践两边都兼顾到了, 非常有指导意义
• 作者试图用一种几乎任何人都能理解的方式来解释复杂的问题，这在我看来是一大优势。
• 当当的快递真的是很棒了，贼快！开心！
• 就是印刷排版差了点