这本书大概前后读了两周左右，总的来说感觉难度还是比较适合我这种刚开始准备入门的人，学的再深入一些就没有必要读了。内容上大概是以tensorflow为主，辅以一些数理统计的相关知识。
这本书有一个明显的优点，代码和数学都有涉及，而且深度比较相匹配。对于非统计专业的人来说，学习机器学习往往会陷入两个方向的极端，要么看了一些机器学习的相关课程，一下就扎进数学中去，想把相关的数学知识都搞懂再开始动手实践；要么上来就别的不管，先把code撸起来再说，遇到问题大多翻文档。前者的坏处更大一些，主要原因是数学还是比较难的，看着看着就容易半途而废，最后甚至一行代码都没写过这机器学习就放弃了。后者对于一般应用我个人认为问题不大，毕竟对于很多书上长篇大论的经典算法，tensorflow里面往往是简单一个函数解决，背后的数学早就封装好了。只是对于机器学习领域来说，往往要到比较高层次才会有用，所以直接撸代码也有一些局限性。
再说回这本书，大致上内容都比较基础，不过看完一遍还是学到了不少东西，像tensorboard，CNN/RNN，信息熵之类的都有所了解。只是对于这类发展及其迅速的领域，看书学有一个明显的缺点，就是里面的代码部分八成不能直接照搬，因为很多函数的用法已经和写书的时候不一样了。
网友评论