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賅，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，這本超讚的機器學習實用指南終於正式出版了第二版：《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)》，並且在美國亞馬遜上開售了，可惜國內還沒有開售，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，畢業於AgroParisTech，曾任 Google Youtube 影片分類專案組負責人，建立過多家公司並擔任 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內容，最直白的就是第一版使用了 Scikit-Learn 和 TensorFlow，而第二版增加了 Keras 深度學習框架。
從內容上來說，第二版增加了更多的機器學習前沿知識，包括：無監督學習，訓練深度網路，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 章內容：
- 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內容相差不多，僅多了一個第9章的無監督學習。
全書第二部分是神經網路與深度學習，包含了第 10~19 章內容：
- 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，跟第一版差別較大。
隨書程式碼
作者將本書所有章節的詳細程式碼都開源了併發布在 GitHub 上，目前已經收穫了 5.3k star。專案地址為：
https://github.com/ageron/handson-ml2
不得不說，作者配套的隨書程式碼質量很高！看過第一版的讀者應該知道，每個章節的程式碼都是 .ipynb 檔案，用 Jupyter Notebook 就能開啟。除了程式碼，相應的文件解釋非常多。
配套資源
這本《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》現在有了電子版的 PDF，方便讀者閱讀。獲取方式如下：
- 掃描下方二維碼並關注
-
公眾號後臺回覆關鍵詞：ML2
