强烈推荐！最好用的《机器学习实用指南》第二版终于来了，代码已开源！

早在去年的这个时候，我们就发文给大家推荐过一本非常棒的机器学习实用指南书籍《Hands-On Machine Learning with Scikit-Learn & TensorFlow》，中文译为《Scikit-Learn 与 TensorFlow 机器学习实用指南》。

这本书最大的特色从理论上讲就是言简意赅，全书基本上没有太多复杂的数学公式推导，语言通俗易懂，很容易看得懂、看得下去。这一点红色石头也发现是现在很多教材所欠缺的。爱可可老师也曾推荐过这本书。详细介绍可看我之前的这篇文章：2018 最好的机器学习实用指南书籍来了！

重磅！

时隔一年，这本超赞的机器学习实用指南终于正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，中文译为《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》，并且在美国亚马逊上开售了，可惜国内还没有开售，影印版和中文翻译版还没出来。请看封面：

书籍作者

这本《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》的作者是 Aurélien Géron，法国人，毕业于AgroParisTech，曾任 Google Youtube 视频分类项目组负责人，创建过多家公司并担任 CTO，也曾在 AgroParisTech 担任讲师。现在是一名机器学习的顾问。

版本变化

总的来说，第二版相比第一版增加了许多新的内容，最直白的就是第一版使用了 Scikit-Learn 和 TensorFlow，而第二版增加了 Keras 深度学习框架。

从内容上来说，第二版增加了更多的机器学习前沿知识，包括：无监督学习，训练深度网络，计算机视觉，自然语言处理等等。

详细的版本更新可以看这里：

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

书籍介绍

第二版跟第一版一样，全书也分成了两大部分，第一部分是机器学习基础，包含了第 1~9 章内容：

• 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

第一部分与第一版书籍内容相差不多，仅多了一个第9章的无监督学习。

全书第二部分是神经网络与深度学习，包含了第 10~19 章内容：

• 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

这部分深度学习是作者更新最多的，跟第一版差别较大。

随书代码

作者将本书所有章节的详细代码都开源了并发布在 GitHub 上，目前已经收获了 5.3k star。项目地址为：

https://github.com/ageron/handson-ml2

不得不说，作者配套的随书代码质量很高！看过第一版的读者应该知道，每个章节的代码都是 .ipynb 文件，用 Jupyter Notebook 就能打开。除了代码，相应的文档解释非常多。

配套资源

这本《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》现在有了电子版的 PDF，方便读者阅读。获取方式很简单，请在本公众号后台回复：ML2 即可！

备注：公众号菜单包含了整理了一本AI小抄，非常适合在通勤路上用学习。

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（第一部分）备注：加入本站微信群或者qq群，请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”

喜欢文章，点个在看