机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）

非常好的实战教程，尤其是机器学习sklearn部分（深度学习用pytorch所以我自己没看后面的），小白友好，东西讲的很透彻，GitHub有配套开源代码，可视化很多，一点都不不枯燥。但是有的翻译好像不是很好理解，和通用的不太一致，有条件看英文更好～

关于机器学习非常实用的一本书，概念和原理的讲解恰到好处，不深不浅。实战案例非常实用，代码可读性很高，易于理解和实操。总之，本书是一本不可多得的机器学习实战类书籍，很适合机器学习工程师和开发者参考，也适合项目和动手驱动的学习者学习。

书是一本好书，特别是前半段机器学习部分讲的比较好，如果结合GitHub上的代码学习效果更好，但是本书的翻译不敢恭维。 还有本书并不适合入门，更适合进阶阶段。

以后有能力在人工智能帮忙下看英文版吧。

西方人的云山雾罩的表达，东方人的词不达意的直译，往往不知所云，真的让人很崩溃！

对于真想纯小白入坑机器学习的小伙伴，我推荐的路线是先看《利用python进行数据分析》，然后看这本书。 直接西瓜书入门显然很容易把人劝退，配合B站Datawhale的吃瓜教程会稍微能接受一点。 我推荐的路线很适合研0暑假，或者大二暑假这种时间点学习。前者可以为研究生阶段开个好头，后者不会耽误到后续考研、就业等重要时间，且学生多少有点数学基础了。把这两本书当成课程一样去读以及敲代码，去datawhale的开源项目做题当练习册。这是我目前想到的、自己在做的、且比较好入坑的方式了。后续就看自己打比赛自由发挥，摸索着造轮子了。

感谢你阅读到本书的最后一段。我真诚地希望你阅读本书时和我写作本书时一样快乐，并希望本书对你的项目（无论大小）都有用。 展望未来，我对你最好的建议是练习再练习：尝试完成所有练习（如果尚未完成），玩Jupyter notebook，加入Kaggle.com或其他一些ML社区，观看ML课程，阅读论文，参加会议并与专家会面。无论是工作还是娱乐（最好两者兼具），有一个具体的项目都可以极大地帮助你，因此，如果你有梦想做的一些事，不妨尝试一下！增量地进行工作，不要想着一步登天，而要专注于你的项目并逐步实现它。这需要耐心和恒心，但是当你拥有步行机器人、聊天机器人或你想建造的其他任何东西时，回报将是巨大的。 我最大的希望是本书会激发你创建一个使我们所有人都受益的出色的ML应用程序！那会是什么呢？ ——感谢作者，2023/5

O'Reilly的书真的是品质保证。断断续续看了好久，后1/3还是超出能力圈范围，以后有需要再深化吧。

机器学习领域涵盖很全面的一本书了，作者也有在github上维护代码，不管是入门或进阶都有帮助，值得一读。 书中也提到了许多优秀的论文或项目，有空也可以去深入研究下。 另外，最后几章的翻译确实有点勉强，建议有能力的参照英文版来阅读。

书很不错，查缺补漏，配合gayhub食用更佳