机器学习实战：基于Scikit–Learn、Keras和TensorFlow(第2版)
前言
代码仓库：https://github.com/ageron/handson-ml2
机器学习，其他入门书籍：
- Joel Grus的Data Science from Scratch（O’Reilly）介绍了机器学习的基础知识，并在纯Python中实现了一些主要算法（顾名思义，从头开始）。
- Stephen Marsland的Machine Learning：An Algorithmic Perspective（Chapman＆Hall）是对机器学习的出色介绍，它使用Python代码示例（也从零开始，但使用NumPy），涵盖广泛的主题。
- Sebastian Raschka的Python Machine Learning（Packt Publishing）也对机器学习进行了很好的介绍，并利用了Python开源库（Pylearn 2和Theano）。
- François Chollet的Deep Learning with Python（Manning）是一本非常实用的书，以清晰、简洁的方式涵盖了广泛的主题，书中涉及Keras库的很多内容。它偏爱代码示例甚于数学理论。
- Andriy Burkov的The Hundred-Page Machine Learning Book非常简短，涵盖了一系列令人印象深刻的主题，不仅以平易近人的方式介绍这些主题，同时也没有回避数学方程式。
- Yaser S.Abu-Mostafa、Malik Magdon-Ismail和Hsuan-Tien Lin的Learning from Data（AMLBook）介绍颇为理论化的机器学习方法，它提供了深刻的见解，尤其是在偏差/方差权衡方面（见第4章）。
- Stuart Russell和Peter Norvig的Artificial Intelligence：A Modern Approach，3rd Edition（Pearson）是一本非常出色的书，涵盖了机器学习等众多主题。它有助于正确理解机器学习。
- Deep Learning with Python（Manning），它具有Keras库本身的简洁性、清晰度和深度。
- 无监督学习技术：Hands-On UnsupervisedLearning Using Python：How to Build Applied Machine Learning Solutions from Unlabeled Data（O’Reilly）
