达令你快乐吗的评论
-
评Python科学计算
当个手册查还好。
-
评Python Tutorial
显然不适合coding初学者。感觉不会coding了，再不练手要找不到工作了。
-
评算法设计
谁说这本书更高级的？！后三章可以和CLRS补着看，我只想劝告作者，多点形式化要比堆一大坨废话更平易近人。说起来有些算法是挺有意思，但散的让人很不爽啊。翻译就不说了，呵呵。
-
评Machine Learning
翻了两章果断放下。不懂的人看不懂，懂的人看你干嘛。‘全’是逼格最低的优点。
-
评Foundations of Machine Learning
虽然PRML已经涵盖了足够的algorithm，虽然看完此书你一样很难设计effective model，但还是强烈建议MLer在空闲之余翻翻此书。不在于里面廉价的theory和technique，而在于它较严格体现的Occam剃刀原则是贯穿ML的核心idea。
-
评量子计算和量子信息
看翻译始终不靠谱啊。
-
评The Elements of Statistical Learning
太统计了，过于insightful所以通篇概述少有细节。
-
评Introduction to Semi-Supervised Learning
一句话semi-supervised learning就是基于各种assumption把unlabeled examples整合进regularization里。现在Jerry又开始鼓捣homology，祝一路走好。
-
评Learning Deep Architectures for AI
非常insightful的小书，把deep learning背后的philosophy以及现有的一些results阐述得很清楚。DL现在应用很广，炒得很火，体系千疮百孔，这是好事。Bengio通过此书指了些明路。另此书不适合DL入门。
-
评神经计算科学
做毕设时看的。基本涵盖了经典的神经网络模型，条理性较强，但叙述性差。作为理清NNs发展脉络的参考还是有用的。
书评 (查看全部)
对《Pattern Recognition And Machine Learning》这本书的评价 2014-03-29
这几天没事把尾巴扫了。如果想做ML无论是theory（tcsers请先别吐槽好吧，以后会有槽吐你们的）、algorithm还是application此书都是必读，而且书只读这一本足够了。ML吹破天还是... 查看全部>>