豆瓣评论

  • 只帅一次
    蛮好,比想象的好,有不少收获。尤其12-17章。可惜内容偏少。不够全面,很多地方也不够深入03-24
  • SuperDoggy
    和机器学习真的没啥关系。封面忽悠人,kkd条件在书里就一页纸。全书就是高数线代概率论合集,附加少量优化的内容。很多东西根本在机器学习里用不到,纯凑页数和噱头07-14
  • Kaiser
    内容全面,讲述比较生动。但是章节编排有点奇怪,比如极值放在梯度下降的后面,塞在牛顿法和拉格朗日乘子之间。11-30
  • ElongHu
    大概看了一下,亮点就是他的目录啦。02-07
  • vito
    马马虎虎的一本书吧。更偏向于一本教科书,而不是一本工具书。来说说缺点吧,书的知识点看似涉及比较广,但是真正和自己学习以及深度学习相关的知识,却并不是很多,即使涉及到的知识点,也没有能够很深入的讲解。要说这本书的内容丰富吧,它又不是很全面,线性代数和概率论的部分,一笔带过,没有写得很深入。总之,可以看看,但收获不大。11-01
  • goozp
    感觉内容挺全的,而且简单易懂,特别是还会附带一些 Python 代码,特别适合程序员入门过一遍。书中有些明显错误,但是不影响阅读。内容简单,只适合浅浅过一遍。01-20
  • 沉寂之舟
    算是集合了大学知识点,除了梯度下降,从书里也看不出机器学习为啥要用到这些.配套代码还算有点意义,复习用没问题.07-18
  • Sunk
    数学概念的来龙去脉讲得比很多数学所谓数学教材清晰很多,国内难得的适合本科生的数学参考书。09-06
  • 09250
    比我的高数同济第六版还差……02-19