《精通数据科学:从线性回归到深度学习》是一本由唐亘著作,人民邮电出版社出版的平装图书,本书定价:99.00元,页数:432,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。 《精通数据科学:从线性回归到深度学习》精选点评: ●很棒,切入点本身就和《统计学习方法》和《机器学习》不一样的,适合新手读 ●很好,很有启发性,专业而又不乏味。 ●从统计学和机器学习之间的对比入手 (虽然本质上是差不多的)。前三章为基础知识,覆盖数学计算和 python 安装;四至七章为数据模型和统计学实现;八到十章涉及经典算法模型,然后略讲了 Spark 和神经网络。书里有很多错误,编辑的时候没有订正,阅读的时候需要注意。可以一看,比较适合有理论基础但是不知道怎么用python实践的读者 (内附代码),不是拔高之作,大神就不用读了。 ●见过。 ●别的不说 都8012年了 这本书还在用Python2 太落后了 ●怎么突然这么多刷屏的差评呢,难道作者得罪了什么人?就我的读书感受来说,这是一本很接地气的书,代码很详细,实例也很多。另外,有关非线性和线性的论述也让人耳目一新。是一本不错的书 ●可以作为仅仅概念上的入门,但说不上精通,在实操上没什么帮助。 ●感觉就是我要找的书。 尝试过很多市面上的大数据的书,感觉都很枯燥。需要多一点这样深入浅出有趣的入门书籍。 ●真的狗屎,打基础阶段看这个简直痛苦,书开头还好意思讲啥深入浅出。一些基本的术语一句话不说,甚至监督,非监督,分类回归的基本实现逻辑都不说,上来就代码了,表达能力真的不行。要是这样还不如写的真的专业一点,何必装友好。我一个没学过高数的,同济的线代都自学完了,都没这个痛苦 ●很需要的一本书,结合实际又简洁易懂 ,范例也有趣直观!结合了数据分析和python运用,很惊喜的组合! 《精通数据科学:从线性回归到深度学习》读后感(一):直接贴一下李国杰院士为这本书做的序吧 完爆西瓜书和统计学习方法 我与本书作者素不相识,读完作者寄来的电子书稿后,感到读技术类书籍从未有过的惊喜。国内已有不少介绍大数据和机器学习的教科书、参考书,但这本书与众不同,重点不是传统教科书式的概念导入和各种机器学习算法的罗列,而是强调统计学、机器学习和计算机科学三门学科的融会贯通,试图给读者关于数据科学较全面的知识体系。特别是对常用的统计和机器学习软件有详细的说明,对提高在校大学生、研究生的动手能力和企业科技人员解决实际问题的内功大有裨益。 中国科学院院士,第三世界科学院院士 李国杰 这本书是我看到目前为准,最好的一本书。甚至可以这样说:完爆西瓜书和统计学习方法 如果能静下心来好好读一下这本书,帮助会很大的,不管是从理论上还是从代码上。 《精通数据科学:从线性回归到深度学习》读后感(二):一本广度够广,但深度稍微欠缺的好书 我与作者曾在线下有一面之缘,听说他出新书之后,就立马买了一本来看。阅读之后,有不少新鲜的感受,所以将自己的豆瓣处女文献给这本书。 整体来说,这本书介绍的内容还是蛮全面的,广度很够,比较经典的模型、算法都有涉及。这一点上来讲是对得起书的名字"从线性回归到深度学习"。对于初学者来说,通过这本书,可以比较清晰地了解所谓数据科学包含的内容。另外,这本书的文笔算是好的,相比于其他技术类书籍,读起来的体验还是不错的,套用序言中李国杰院士的话,这本书能称得上是一个惊喜。 这本书比较出彩的一点是,作者将统计中有关模型稳定性、真实性的思考贯穿到模型细节的讲解中。这样的文字对于有机器学习经验的我还是很新鲜和受用的,比如读完这本书,我算是终于明白了,为啥实际工作中,大家都那么喜欢用逻辑回归模型。 当然这本书的缺点也是比较明显的,就是有些模型的讲解深度不够,特别是最后两章对神经网络和深度学习的介绍,明显有点浅尝则止。 最后吐槽一下,书中作者的头像跟本人好像差距有点大,真人好像有点胖~~(这样说,会不会被打呢) 《精通数据科学:从线性回归到深度学习》读后感(三):本书的配套代码、数据以及其他说明 本书的配套代码和训练模型的数据有两个下载地址,分别是: 1. https://github.com/GenTang/intro_ds 2. http://box.ptpress.com.cn/y/978-7-115-47910-5。 另外对于Python的版本,需要注意的是:为了节省篇幅、突出重点,本书正文中所展示的代码是基于Linux系统下的Python 2.7,而网上可以下载的配套代码则兼容Python 3和Windows系统。其实对于机器学习的实现,两个Python版本的代码实现是几乎一模一样的,所以只看正文应该也不影响的。 《精通数据科学:从线性回归到深度学习》读后感(四):要我说嘛,这本书确实是有刷分… 数学不好的,看不懂。数学好的,不屑看…另外有些错别字,太离谱了… 如果你已经会机器学习,也有数据基础。这本书,读起来就很通畅,可惜,这种读者,大概不会买这本书…因为这本书的主打卖点,就是由浅入深,融会贯通、串起机器学习中涉及的方方面面数学知识…但如果连一些数学概念,都解释不够清晰流畅,那就是本末倒置了。 但是作者显然经验不足,他可能身边人群都是数学底子不错的人群。 换而言之,他没有办法把自己的知识降维,用生动活泼的文笔、娓娓道来,揭示数学的本质。总之,这本书写的不是很成功,各类数学专业词,说来就来、气势汹汹、铺垫不足,杀的我猝不及防,… 其实大部分人在大学学的统计、线代都是水过去的,除了那些考研的,其他人的数学一般考完就扔掉了…还有些产品经理、测试人员压根就不是理工科毕业。要转机器学习是很难的。 对于这类读者而言,用词精准、一针见血就很重要了,你跟他讲了很多,往往起重要作用的只有一句话,就一句话关键点醒了他,他才理解过来,跟上你的思维。 比如正态分布的适应场景,你上来就跟他讲 "若随机变量x服从正态分布,则它是一个连续型随机变量,函数如下:xxxx" ,他真会抓狂的,正态分布你都没讲是什么??? 这是作者思路不清晰的缘故,他没有设身处地的站在读者立场去降维思考,不管是写小说、写教材,脑海中都有一个虚拟的读者形象,作者在写书的时候,他思维会不断的跟这个虚拟读者接触、沟通、交流。而作者显然是没有把我们这类型数学底子很差的读者,揉捏到这个虚拟读者的角色中… 其实,这个问题也好解决,写书的时候,盯着章节小标题多看两眼,提醒自己,是不是至少把标题给讲清楚了…比如正态分布,告诉读者 "一般般很多,极端的很少",平日观察马路上的来来往往、川流不息的车子,高档小轿车、农民拖拉机很少,普通中档车最多,这就是正态分布…有这么一个开场,接下来就会顺利很多。 不要遇到那种连作者自己都觉得解释费劲的概念,才肯好好对读者说明…尽量做到,哪怕是自己很熟悉、非常懂的数学概念,只要出现在章节标题中,就要思考如何讲解它。需知,若它真的十分简单、无足轻重,你又怎会拿它做标题呢? 另外,个人觉得本书确实如大家所说有刷分嫌疑 … 2018年6月1日出版的,今天才6约21日,不过才上架不到一个月,京东热击榜已经刷到第一位,把《数学之美》、《深度学习》、《机器学习实战》这些论坛、知乎推荐的经典书籍都给顶下去了… 书的热度高,并不是因为这本书真的阐理浅显…而是因为人工智能的书籍市场,真的是非常、非常缺少深入浅出的数学书啊!赶上618,这本书就只要30多块钱,消费欲望完全被激发… 可惜便宜是便宜,,,我无法从这本书汲取到什么有用的东西,它对我而言,就是不值得。