機器學習實戰：基於Scikit-Learn、Keras和TensorFlow（原書第2版）

非常好的實戰教程，尤其是機器學習sklearn部分（深度學習用pytorch所以我自己沒看後面的），小白友好，東西講的很透徹，GitHub有配套開源代碼，可視化很多，一點都不不枯燥。但是有的翻譯好像不是很好理解，和通用的不太一致，有條件看英文更好～

關於機器學習非常實用的一本書，概念和原理的講解恰到好處，不深不淺。實戰案例非常實用，代碼可讀性很高，易於理解和實操。總之，本書是一本不可多得的機器學習實戰類書籍，很適合機器學習工程師和開發者參考，也適合項目和動手驅動的學習者學習。

書是一本好書，特別是前半段機器學習部分講的比較好，如果結合GitHub上的代碼學習效果更好，但是本書的翻譯不敢恭維。 還有本書並不適合入門，更適合進階階段。

以後有能力在人工智能幫忙下看英文版吧。

西方人的雲山霧罩的表達，東方人的詞不達意的直譯，往往不知所云，真的讓人很崩潰！

對於真想純小白入坑機器學習的小夥伴，我推薦的路線是先看《利用python進行數據分析》，然後看這本書。 直接西瓜書入門顯然很容易把人勸退，配合B站Datawhale的喫瓜教程會稍微能接受一點。 我推薦的路線很適合研0暑假，或者大二暑假這種時間點學習。前者可以爲研究生階段開個好頭，後者不會耽誤到後續考研、就業等重要時間，且學生多少有點數學基礎了。把這兩本書當成課程一樣去讀以及敲代碼，去datawhale的開源項目做題當練習冊。這是我目前想到的、自己在做的、且比較好入坑的方式了。後續就看自己打比賽自由發揮，摸索着造輪子了。

感謝你閱讀到本書的最後一段。我真誠地希望你閱讀本書時和我寫作本書時一樣快樂，並希望本書對你的項目（無論大小）都有用。 展望未來，我對你最好的建議是練習再練習：嘗試完成所有練習（如果尚未完成），玩Jupyter notebook，加入Kaggle.com或其他一些ML社區，觀看ML課程，閱讀論文，參加會議並與專家會面。無論是工作還是娛樂（最好兩者兼具），有一個具體的項目都可以極大地幫助你，因此，如果你有夢想做的一些事，不妨嘗試一下！增量地進行工作，不要想着一步登天，而要專注於你的項目並逐步實現它。這需要耐心和恆心，但是當你擁有步行機器人、聊天機器人或你想建造的其他任何東西時，回報將是巨大的。 我最大的希望是本書會激發你創建一個使我們所有人都受益的出色的ML應用程序！那會是什麼呢？ ——感謝作者，2023/5

O'Reilly的書真的是品質保證。斷斷續續看了好久，後1/3還是超出能力圈範圍，以後有需要再深化吧。

機器學習領域涵蓋很全面的一本書了，作者也有在github上維護代碼，不管是入門或進階都有幫助，值得一讀。 書中也提到了許多優秀的論文或項目，有空也可以去深入研究下。 另外，最後幾章的翻譯確實有點勉強，建議有能力的參照英文版來閱讀。

書很不錯，查缺補漏，配合gayhub食用更佳