代碼開源！最好用的《機器學習實用指南》第二版終於來了科技頭條網

代碼開源！最好用的《機器學習實用指南》第二版終於來了

早在去年的這個時候，紅色石頭就發文給大家推薦過一本非常棒的機器學習實用指南書籍《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。這一點紅色石頭也發現是現在很多教材所欠缺的。

重磅！

時隔一年，這本超讚的機器學習實用指南終於正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，中文譯為《Scikit-Learn、Keras 與 TensorFlow 機器學習實用指南(第二版)》，並且在美國亞馬遜上開售了，可惜國內還沒有開售，影印版和中文翻譯版還沒出來。請看封面：

書籍作者

這本《Scikit-Learn、Keras 與 TensorFlow 機器學習實用指南(第二版)》的作者是 Aurélien Géron，法國人，畢業於AgroParisTech，曾任 Google Youtube 視頻分類項目組負責人，創建過多家公司並擔任 CTO，也曾在 AgroParisTech 擔任講師。現在是一名機器學習的顧問。

版本變化

總的來說，第二版相比第一版增加了許多新的內容，最直白的就是第一版使用了 Scikit-Learn 和 TensorFlow，而第二版增加了 Keras 深度學習框架。

從內容上來說，第二版增加了更多的機器學習前沿知識，包括：無監督學習，訓練深度網絡，計算機視覺，自然語言處理等等。

詳細的版本更新可以看這裡：

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

書籍介紹

第二版跟第一版一樣，全書也分成了兩大部分，第一部分是機器學習基礎

，包含了第 1~9 章內容：

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籍內容相差不多，僅多了一個第9章的無監督學習。

全書第二部分是神經網絡與深度學習，包含了第 10~19 章內容：

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

這部分深度學習是作者更新最多的，跟第一版差別較大。

隨書代碼

作者將本書所有章節的詳細代碼都開源了併發布在 GitHub 上，目前已經收穫了 5.3k star。項目地址為：https://github.com/ageron/handson-ml2