机器学习系统设计 短评

热门 最新
  • 0 Shao Jun 2020-11-02

    比较系统,可作为对机器学习提纲挈领的教材。

  • 0 Hephaestus 2020-02-02

    机器学习入门类的书籍,跟着书里的步骤都做一遍还是很有收获的

  • 0 北冥有鱼 2020-01-08

    无理论重实践,呕心沥血实操了一下,数据集太大就脑子实操了。😋

  • 0 Lithilda 2019-04-09

    真是活到老学到老啊,没想到我也会看完这样的一本书。虽然逐渐就跟不上了,当扫盲读物也还是有收获的

  • 0 Unmeless 2018-11-11

    没讲什么理论,讲了很多工具。如果有具体场景大概大概会有一些运用的地方。应用远多于原理性的解释。有一点“知道了也不需要看,但是不知道看了也没什么用”的感觉…

  • 0 sc 2018-07-16

    注重应用和套路,很好的起步书籍

  • 0 Green 2018-06-15

    简洁实践,以小见大

  • 5 曹操 2018-06-10

    书中代码片段太乱, 一定要对照光盘中的代码看, 否则会很麻烦。光盘中的代码在github上有托管 https://github.com/luispedro/BuildingMachineLearningSystemsWithPython

  • 0 朱青1900 2018-02-20

    第一遍,大致就看了下 2018-2-20

  • 0 Oh oh oh oh ooo 2018-01-13

    本事值得一看,但建议看其最新的版本。本书主要从工程实践的角度介绍机器学习的应用与产生价值的过程。作者在开始强调针对初学者,目标是“我希望它能激发你的好奇心,并足以让你保持渴望,不断探索这个有趣的领域”,在我看来这一目标是达到了。我看到的亮点有:1. 工程角度,大家可以忽略细节直接 step by step 体验机器学习的建模和解题过程;2. 能够感受到作者在传达一种学习和解决问题的方法,展示从 baseline 开始逐渐发现问题并优化,最后还分享了许多不错的资源,learn how to learn。不过也应该注意: 对于其中的基础理论还是应该自己拓展,做更深入的了解。

  • 1 student 2018-01-07

    还不错,完整体验

  • 2 硅胶鱼 2017-12-11

    完全实战,入门者使用相同工具的话还是挺有参考价值的

  • 0 上山石 2017-07-29

    很薄,给我打开了机器学习世界的一条缝,看了很多也没理解,还是得看的更多吗,做得更多,这样互相验证理解,就能变成能力了

  • 0 晒月亮的孩子 2017-07-29

    主要通过第三方的库来实现程序,而没有从底层算法开始实现,这是不给5星的原因。但是可能这样更贴近工程吧。

  • 0 UndefinedUser 2017-06-05

    实践第一的书,挺不错,若想提高理论的话,还是去啃PRML和ESL吧~

  • 0 kangsgo 2017-04-02

    学之前最好把numpy,scipy和sklearn看懂,否则学的比较困难

  • 0 Jc 2017-02-19

    本来以为这本书是边干边学性质的,在学习第一章、第二章的时候有这种错觉,觉得自己能跟得上。后来发现,后面的章节升级曲线非常扯淡,一会儿特别难,一些地方又简单的,作者真的指望读者看他后面的代码能熟练掌握、灵活运用么?有些简单的部分直接是抄的sklearn官方的包库讲解。所以,虽然我很差,但这本书这样写的话,也很不负责任啦

  • 1 zhangjunhd 2016-08-26

    例子设计的很好,但是对照书本和代码看有些乱

  • 0 melete 2016-06-10

    偏重讲述算法之外而又关键的细节,从目标出发,包括特征选择,模型间对比等,和实战篇互补学习刚刚好

  • 2 走着 2016-06-03

    各种理论工具(机器学习算法、python、scikit-learn、nltk、numpy)过了一遍之后,看这本书的实际应用,指导思路,非常舒心。因为这本书既不讲理论算法,也不系统介绍工具应用,就是讲怎么用工具、算法一系列的武器去解决问题,解决问题过程中碰到问题,再怎么思考变换方法,力求达到解决问题的效果。所以感觉起来,不是用来入个门的书,而是在一定基础之后,将各个板块(算法、工具)串一串,了解解决问题的思路。

<< 首页 < 前页 后页 >