送书 | 数学不好,Python不行,还能入门机器学习吗?

Python乱炖

共 1806字,需浏览 4分钟

 ·

2021-04-13 09:28



没错,狗哥又来安利好书了!

什么书?机器学习?机器学习的书已经很多了,这本有啥特别的吗?


当然有。

话说有位日本网友,买了40多本数学和机器学习相关的书,愣是没有学会,直到遇到了这本,那叫一个相见恨晚呐!


嗯,你没猜错,就是一本引进日本的书。

图灵的老朋友都知道,我们出版了很多日系好书,比如用图搞定一切的“图解”系列、披着言情小说外衣的硬核科普“数学女孩”系列、专门写给被数学拖后腿的程序员的“程序员的数学”系列……这些日系书凭借图文直观、通俗易懂的风格,受到了很多读者的喜爱。相信今天的这本《用Python动手学机器学习》也不会让大家失望。




真正适合初学者的

机器学习入门书




[日]伊藤真——著   

郑明智 司磊——译




01

这本书讲了什么?



如果说读书就像登山,那么机器学习这个地方要登的山就有三座。而作为一名登山新手,想要一下子拿下三座山是不可能的,所以本书只带领大家登一下其中两座。



具体如下:

鉴于本书的读者对象是初学者,作者选取了机器学习中最基础和最关键的内容进行介绍,力图让读者用最短的时间看到机器学习世界中的绝佳景色。初学者切忌追求大而全,如果你想把各种各样的方法和概念全都学会,那你可能会因为追寻绝佳景色的道路过于漫长而中途放弃。





02

靠什么快速入门?



登山就要有装备,为了攀登机器学习的山,本书提供了两大装备——Python和数学式。


“不会Python怎么办?”


“没问题!”


本书前3章就是为你准备的。从开发环境的搭建,到Python编程的基础知识,以及如何用Python去绘图,等等,作者全都讲到了。甚至有日本网友评价说这几章单独作为Python入门教程来看也是很优秀的呢!


“数学式?额……提到数学我就头疼。”


“不要怕!”


第4章详细讲解了机器学习中需要用到的数学知识,包括向量、导数偏导数、矩阵,等等。另外,对于复杂的数学式,除了展示具体的推导步骤之外,作者还提供了两个窍门:




“第1个窍门就是说,把变量替换成一个很小的实数,充分理解后再去考虑一般情况下的D;


第2个窍门就是编写程序,以确认自己有没有真正理解。


备齐两大装备后,配合使用才能发挥最大功力。 

一行行公式与一行行代码一一对应,让原本晦涩难懂的公式也变得明快起来。



再加上清晰直观的插图,简直完美~



也就是说,本书采用的是公式×代码×图示的“三维立体式”讲解法。这样全方位的解读,还怕看不懂吗?





03

会不会很枯燥?



“用Python动手学机器学习”,顾名思义,本书会引导你动起手来。为此,本书准备了一大利器——Jupyter Notebook



使用Jupyter Notebook交互式编程环境,你可以:



  • 在线编码、运行、将结果绘图

  • 随时修改代码并查看运行效果

  • 记笔记... ...



这样的不断动手探索,除了让学习过程更加有趣,还会在不知不觉中让你掌握充分的实战能力。





04

最后的小惊喜



为方便读者学习,本书附赠了“机器学习必备!精选Python代码示例集”(电子版),便于随用随查(足足有10页哦)。



虽然本书覆盖的范围只是机器学习中最基础的部分,即便如此,这些知识也足够我们去解决很多实际问题。


作者经历过找不到合适的入门书的痛苦,所以知道如何编排对初学者来说才足够友好。通过本书打好基础、学会方法,再去阅读专业书籍,就不会那么费力了。



真正适合初学者的

机器学习入门书


  

           

本书是面向机器学习新手的入门书,从学习环境的搭建开始,图文并茂地介绍了学习机器学习所需的Python知识和数学知识,并在此基础上结合数学式、示例程序、插图等,抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法等进行了介绍。


本书既有图形、代码,又有详细的数学式推导过程,大大降低了机器学习的学习门槛,即使没有学过Python、数学基础不太好,也可以看懂



公众号回复:送书 ,参与抽奖(共3本)


或者扫一扫下方的二维码回复:送书  即可!







喜欢这篇文章?点个“在看”吧~▼


浏览 45
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报