649页《应用TF＆Sklearn实践机器学习》书籍分享

原创干货，第一时间送达

一、书籍简介

这本书利用机器学习，使用Scikit-Learn全程跟踪一个机器学习项目的例子；探索各种训练模型；使用TensorFlow库构建和训练神经网络，深入神经网络架构，包括卷积神经网络、循环神经网络和深度强化学习，学习可用于训练和缩放深度神经网络的技术。

作者介绍：

Aurelien Geron 是机器学习方面的顾问。他曾是Google软件工程师，在2013年到2016年主导了YouTube视频分类工程。2002年和2012年，他还是Wifirst公司（一家法国的无线ISP）的创始人和首席技术官，2001年是Ployconseil公司（现在管理电动汽车共享服务Autolib）的创始人和首席技术官。

二、主要内容

第一部分，机器学习的基础知识，涵盖以下主题：

什么是机器学习？它被试图用来解决什么问题？机器学习系统的主要类别和基本概念是什么？

典型的机器学习项目中的主要步骤。

通过拟合数据来学习模型。

优化成本函数（cost function）。

处理，清洗和准备数据。

选择和设计特征。

使用交叉验证选择一个模型并调整超参数。

机器学习的主要挑战，特别是欠拟合和过拟合（偏差和方差权衡）。

对训练数据进行降维以对抗 the curse of dimensionality（维度诅咒）

最常见的学习算法：线性和多项式回归， Logistic 回归，k-最近邻，支持向量机，决策树，随机森林和集成方法。

第二部分，神经网络和深度学习，包括以下主题：

什么是神经网络？它们有啥优势？

使用 TensorFlow 构建和训练神经网络。

最重要的神经网络架构：前馈神经网络，卷积网络，递归网络，长期短期记忆网络（LSTM）和自动编码器。

训练深度神经网络的技巧。

对于大数据集缩放神经网络。

强化学习。

第一部分主要基于 scikit-learn ，而第二部分则使用 TensorFlow 。

三、资源分享

为了方便大家，我们把最新中文版和源代码都打包好了，可以直接下载哦~

获取方式：

1. 关注我们的公众号“AI遇见机器学习”