強烈推薦！最好用的《機器學習實用指南》第二版終于來了，代碼已開源！

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赅，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。愛可可老師也曾推薦過這本書。詳細介紹可看我之前的這篇文章： 2018 最好的機器學習實用指南書籍來了！

重磅！

時隔一年，這本超贊的機器學習實用指南終于正式出版了第二版：《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)》，并且在美國亞馬遜上開售了，可惜國内還沒有開售，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，畢業于AgroParisTech，曾任 Google Youtube 視訊分類項目組負責人，建立過多家公司并擔任 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 深度學習架構。

從内容上來說，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

第一部分與第一版書籍内容相差不多，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

這部分深度學習是作者更新最多的，跟第一版差别較大。

随書代碼

作者将本書所有章節的詳細代碼都開源了并釋出在 GitHub 上，目前已經收獲了 5.3k star。項目位址為：

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

不得不說，作者配套的随書代碼品質很高！看過第一版的讀者應該知道，每個章節的代碼都是 .ipynb 檔案，用 Jupyter Notebook 就能打開。除了代碼，相應的文檔解釋非常多。