Scikit-Learn与TensorFlow机器学习实用指南（影印版）

通过具体的例子、很少的理论以及两款成熟的Python框架：Scikit-Learn和TensorFlow，作者Aurélien

Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术，从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识，你只需要有一些编程经验就行了。
　　探索机器学习，尤其是神经网络
　　使用Scikit-Learn全程跟踪一个机器学习项目的例子
　　探索各种训练模型，包括：支持向量机、决策树、随机森林以及集成方法
　　使用TensorFlow库构建和训练神经网络
　　深入神经网络架构，包括卷积神经网络、循环神经网络和深度强化学习
　　学习可用于训练和缩放深度神经网络的技术
　　运用实际的代码示例，无需了解过多的机器学习理论或算法细节 

TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。本书讲述TensorFlow相关知识。

Aurélien
Géron，是一名机器学习顾问。作为一名前Google职员，在2013至2016年间，他领导了YouTube视频分类团队。在2002至2012年间，他身为法国主要的无线ISP
Wifirst的创始人和CTO，在2001年他还是Polyconseil的创始人和CTO，这家公司现在管理着电动汽车共享服务Autolib’。

“本书很好地介绍了利用神经网络解决问题的相关理论与实践。它涵盖了构建高效应用涉及的关键点以及理解新技术所需的背景知识。我向有兴趣学习实用机器学习的读者推荐这本书。”
　　—— Pete Warden
　　TensorFlow移动部门主管