《Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2》第三版是一本关于使用Python进行机器学习和深度学习的综合指南。

本书包含清晰的解释、可视化和项目实战，深入涵盖了所有基本的机器学习技术。本书也不同于经典的学术机器学习教科书，因为它强调实用的代码示例。有些书只教你按照说明去做，但这本机器学习书将结合机器学习背后的原理和实战项目，书在解释更广泛的概念和实践示例之间取得了很好的平衡，只对数学基础进行了简短的介绍。

本书进行了全面更新和扩展，涵盖 TensorFlow 2、生成对抗网络模型、强化学习和最佳实战项目。针对TensorFlow 2.0进行了更新，新的第三版向读者介绍了其新的Keras API功能，以及scikit-learn的最新功能。它还扩展到涵盖基于深度学习的尖端强化学习技术，以及对 GAN 的介绍。最后，本书还探讨了自然语言处理（NLP）的一个子领域，称为情感分析，帮助你学习如何使用机器学习算法对文档进行分类。

  02  

适用人群

有一些Python基础的人群，机器学习和深度学习入门者。

  03  

资料放送

  05  

书籍简介

本书主要旨在让读者学会机器学习”的框架、模型和技术，使用 scikit-learn 进行机器学习，使用 TensorFlow2 进行深度学习， 将机器学习应用于图像分类、情绪分析、智能 Web 应用程序等，构建和训练神经网络、GAN 和其他模型， 了解评估和优化模型的最佳实践，· 使用回归分析预测连续目标结果· 使用情绪分析更深入地挖掘文本和社交媒体数据

（书籍展示：感知机）

第3章使用scikit-learn学习机器学习分类器 为分类和实用提供了基本的机器学习算法示例使用最流行和最全面的开源计算机之一学习库:scikit-learn。

第4章“建立好的训练数据集——数据预处理” 讨论了如何进行训练处理未经处理的数据集中最常见的问题，例如缺失数据。还讨论了几种识别信息量最大的特征的方法以及如何准备不同类型的变量作为适当的输入机器学习算法。

（书籍展示：部分正则化代码以及结果可视化）

（书籍展示：聚类项目实战）

（书籍展示：图像变换和数据增强）

（第十七章：GAN模型以及项目实例）

整理不易，资料获取

领取方式：

一键三连+关注（重点）

后台主动留下痕迹：“学习”（重点）