这份笔记旨在帮助中文学习者以一种较快较系统的方式入门机器学习，
是在学习Hands-on Machine Learning with Scikit-Learn and TensorFlow这本书的 时候做的个人笔记:
- 原书的代码示例部分只有代码没有文字注释，纸质书上有文字解释但不利于操作，这个项目将其合二为一， 学习者这只需要打开Jupyter notebook即可，无需频繁翻阅纸质书籍或查看PDF文档
- 形式和吴大大Deep learning.ai课程作业的形式一样，一段文字解释，一段代码操作，方便快速理解原理并进行实践操作
- 中文注释，方便中文学习者较快较系统的入门机器学习
- 全书分为 Part I 机器学习(8 章) 和 Part II 深度学习(8 章) 两大部分，Part II 最后一章是强化学习
- 绪论部分和第一章大家直接看原书就好了，这个项目的代码示例是从第二章开始的
- 此项目适用于英语不是那么好，而且时间又不怎么充裕，又想要快速入门机器学习的读者，大神就不要在这里耽误时间， 当然你如果想要完善一下自己的知识体系，缕清一些概念之间的关系，这本书还是很不错的选择
- 关于时间，这本书是一位美国数据科学家向我推荐的，他从头到尾做完了整本书的所有示例代码，大概用了80个小时左右，以此作为参考，大家自行安排自己的进度
- 关于习题，每一章后面都提供了相应的练习题，既有简述类的问答题，也有任务型的代码操作题，附录里面都有参考答案，建议有时间的都学习一下，对于掌握知识，应对面试，很有帮助。简述型的课后习题都以章节为单位翻译成中文放在我的简书上了欢迎查阅Hands-on machine learning with scikit-learn and tensorflow
- 在知识点广度上扫清一系列机器学习和深度学习的概念，循序渐进，易于接受
- 第二章使用Scikit-Learn 全程跟踪一个机器学习项目的例子，非常有帮助
- 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
- 知识体系非常系统， 如果你能够从绪论部分一直看到附录部分并做完这上面的示例代码，你的理论基础一定会扎实的不要不要的
- 感谢Aurelien Geron，这是一本非常优秀的教材 Hands-on Machine Learning with Scikit-Learn and TensorFlow
- 感谢 Will Koehrsen，是他向我推荐了这本书
如果你有任何问题可以邮件联系我