早在去年的這個(gè)時(shí)候，紅色石頭就發(fā)文給大家推薦過(guò)一本非常棒的機(jī)器學(xué)習(xí)實(shí)用指南書(shū)籍《Hands-On Machine Learning with Scikit-Learn & TensorFlow》，中文譯為《Scikit-Learn 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南》。

這本書(shū)最大的特色從理論上講就是言簡(jiǎn)意賅，全書(shū)基本上沒(méi)有太多復(fù)雜的數(shù)學(xué)公式推導(dǎo)，語(yǔ)言通俗易懂，很容易看得懂、看得下去。這一點(diǎn)紅色石頭也發(fā)現(xiàn)是現(xiàn)在很多教材所欠缺的。

重磅！

時(shí)隔一年，這本超贊的機(jī)器學(xué)習(xí)實(shí)用指南終于正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，中文譯為《Scikit-Learn、Keras 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南(第二版)》，并且在美國(guó)亞馬遜上開(kāi)售了，可惜國(guó)內(nèi)還沒(méi)有開(kāi)售，影印版和中文翻譯版還沒(méi)出來(lái)。請(qǐng)看封面：

書(shū)籍作者

這本《Scikit-Learn、Keras 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南(第二版)》的作者是 Aurélien Géron，法國(guó)人，畢業(yè)于AgroParisTech，曾任 Google Youtube 視頻分類項(xiàng)目組負(fù)責(zé)人，創(chuàng)建過(guò)多家公司并擔(dān)任 CTO，也曾在 AgroParisTech 擔(dān)任講師?，F(xiàn)在是一名機(jī)器學(xué)習(xí)的顧問(wèn)。

版本變化

總的來(lái)說(shuō)，第二版相比第一版增加了許多新的內(nèi)容，最直白的就是第一版使用了 Scikit-Learn 和 TensorFlow，而第二版增加了 Keras 深度學(xué)習(xí)框架。

從內(nèi)容上來(lái)說(shuō)，第二版增加了更多的機(jī)器學(xué)習(xí)前沿知識(shí)，包括：無(wú)監(jiān)督學(xué)習(xí)，訓(xùn)練深度網(wǎng)絡(luò)，計(jì)算機(jī)視覺(jué)，自然語(yǔ)言處理等等。

詳細(xì)的版本更新可以看這里：

https://github.com/ageron/handson-ml2/blob/master/changes_in_2nd_edition.md

書(shū)籍介紹

第二版跟第一版一樣，全書(shū)也分成了兩大部分，第一部分是機(jī)器學(xué)習(xí)基礎(chǔ)，包含了第 1~9 章內(nèi)容：

• Chapter 1. The Machine Learning Landscape
• Chapter 2. End-to-End Machine Learning Project
• Chapter 3. Classification
• Chapter 4. Training Models
• Chapter 5. Support Vector Machines
• Chapter 6. Decision Trees
• Chapter 7. Ensemble Learning and Random Forests
• Chapter 8. Dimensionality Reduction
• Chapter 9. Unsupervised Learning Techniques

第一部分與第一版書(shū)籍內(nèi)容相差不多，僅多了一個(gè)第9章的無(wú)監(jiān)督學(xué)習(xí)。

全書(shū)第二部分是神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，包含了第 10~19 章內(nèi)容：

• Chapter 10. Introduction to Artificial Neural Networks with Keras
• Chapter 11. Training Deep Neural Networks
• Chapter 12. Custom Models and Training with TensorFlow
• Chapter 13. Loading and Preprocessing Data with TensorFlow
• Chapter 14. Deep Computer Vision Using Convolutional Neural Networks
• Chapter 15. Processing Sequences Using RNNs and CNNs
• Chapter 16. Natural Language Processing with RNNs and Attention
• Chapter 17. Representation Learning and Generative Learning Using Autoencoders and GANs
• Chapter 18. Reinforcement Learning
• Chapter 19. Training and Deploying TensorFlow Models at Scale

這部分深度學(xué)習(xí)是作者更新最多的，跟第一版差別較大。

隨書(shū)代碼

作者將本書(shū)所有章節(jié)的詳細(xì)代碼都開(kāi)源了并發(fā)布在 GitHub 上，目前已經(jīng)收獲了 5.3k star。項(xiàng)目地址為：https://github.com/ageron/handson-ml2

不得不說(shuō)，作者配套的隨書(shū)代碼質(zhì)量很高！看過(guò)第一版的讀者應(yīng)該知道，每個(gè)章節(jié)的代碼都是 .ipynb 文件，用 Jupyter Notebook 就能打開(kāi)。除了代碼，相應(yīng)的文檔解釋非常多。