精通数据科学从线性回归到深度学习读后感摘抄
⇨⇦
《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。