早在去年的这个时候，红石就推荐了一本非常不错的机器学习实战指导书《Hands-On Machine Learning with Scikit-Learn & TensorFlow》，中文翻译为《Scikit-Learn 与 TensorFlow 机器学习实用指南》.本书最大的特点是简明扼要，理论简洁。全书基本没有太多复杂的数学公式推导。语言通俗易懂，易于理解和阅读。红石这一点，在很多教材中也是找不到的。重的！时隔一年，这本超棒的机器学习实用指南终于正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，中文翻译为《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》，在美国亚马逊发售，可惜还没在中国发售。影印本和中文译本还没有出来。请看封面：本书作者本《Scikit-Learn、Keras 与 TensorFlow 机器学习实用指南(第二版)》的作者是AurélienGéron，法国人，毕业于AgroParisTech，曾担任GoogleYoutube视频分类项目组组长，创立多家公司并担任CTO，以及还曾担任AgroParisTech的讲师。现在担任机器学习顾问。版本变化总的来说，第二版相比第一版增加了很多新的内容。最直接的就是第一版使用了Scikit-Learn和TensorFlow，而第二版增加了Keras深度学习框架。在内容方面，第二版增加了更多机器学习前沿知识，包括：无监督学习、训练深度网络、计算机视觉、自然语言处理等。详细的版本更新可以在这里找到：https://github.com/ageron/handson-ml2/blob/master/changes_in_2nd_edition.md第二版的书籍介绍与第一版相同。本书也分为两部分。第一部分是机器学习的基础，包括第1~9章：第1章机器学习概况第2章端到端机器学习项目第3章分类第4章训练模型第5章支持向量机Chapter6.DecisionTreesChapter7.EnsembleLearningandRandomForestsChapter8.DimensionalityReductionChapter9.UnsupervisedLearningTechniques第一部分与本书第一版类似，只是多了一个关于无监督学习的第9章。本书的第二部分是神经网络和深度学习，包括第10~19章：第10章.使用Keras的人工神经网络简介第11章.训练深度神经网络第12章.自定义模型和使用TensorFlow的训练第13章.加载和使用TensorFlow预处理数据第14章使用卷积神经网络的深度计算机视觉第15章使用RNN和CNN处理序列第16章使用RNN和注意力进行自然语言处理第17章使用自动编码器和GAN的表示学习和生成学习第18章强化学习Chapter19.TrainingandDeployingTensorFlowModelsatScale这部分深度学习是作者更新最多的，与第一版有很大不同。本书随书代码作者已将本书所有章节的详细代码开源并发布在GitHub上。到目前为止，已经收获了5.3k颗星。项目地址为：https://github.com/ageron/handson-ml2不得不说作者的配套代码质量很高！看过第一版的读者应该知道，每一章的代码都是一个.ipynb文件，可以用JupyterNotebook打开。除了代码，相应的文档说明也很多。
