I’m really happy to be the first to see Sebastian Raschka and Vahid Mirjalili’s Python Machine Learning 3/E, the best seller in Machine Learning and deep learning category of Amazon. Compared to 2nd edition, the contents of Deep Learning part are fully revised.

3rd edition uses TensorFlow 2. It compares TensorFlow 1 and 2. And it also introduces TensorFlow Datasets and Keras API. You will learn how to create a custom layer and custom model using Keras API. Gender classification example is added using CelebA dataset. Attention mechanism and Transformer are added in RNN chapter.

Moreover, there are new chapters for Generative Adversarial Networks(GANs) and Reinforcement Learning in 3rd edition! Starting with Autoencoder you can implement DCGAN and WGAN-GP. In RL chapter, it introduces Markov decision process, Monte Carlo, SARSA and Q-learning. Also you will learn how to train the DQN model using Gym. It dedicated more than 100 pages to these two new chapters. Whole length of the book is now 770 pages!

There are so many Machine Learning and Deep Learning books. It’s not easy to pick a good book. This book is one of the few really excellent Machine Learning book. If you already choose this book from a lot of books, you’re very lucky to have it. If you have read 2nd edition like me, you can’t find any reason not to buy the 3rd edition! 🙂

All you need to know the latest technology in this field is just enjoying this book and, as always, just waiting the next edition of the authors!

Thanks to Sebastian and Vahid! Keep going on!

머신러닝, 딥러닝 분야 베스트 셀러인 세바스찬 라시카와 바히드 미자리리의 파이썬 머신러닝 3판을 가장 먼저 볼 수 있는 행운을 얻었습니다. 2판과 비교했을 때 딥러닝 파트의 내용이 전면 개정되었습니다.

3판은 텐서플로 2를 사용합니다. 친절하게도 텐서플로 1과 2를 비교하여 설명해 줍니다. 텐서플로 데이터셋 API와 케라스 API를 설명하고 사용자 정의 층과 모델을 만드는 방법도 담고 있습니다. CelebA 데이터셋 이미지를 사용한 성별 분류 예제가 추가 되었습니다. 순환 신경망 장에서는 어텐션 메카니즘과 트랜스포머를 추가했습니다.

3판에서는 여기에서 그치지 않고 GAN와 강화학습에 관한 장이 추가되었습니다. 오토인코더로 시작하여 DCGAN과 WGAN-GP를 직접 구현해 봅니다. 강화학습은 마르코프 결정 과정을 소개하는 것으로 시작하여 몬테 카를로, SARSA, Q-learning을 다룹니다. 또한 Gym을 사용하여 DQN 모델을 훈련합니다. 이 2개 장에 100여 페이지를 할애했습니다. 덕분에 전체 책은 770페이지로 늘어났습니다.

머신러닝, 딥러닝 책이 매우 많습니다. 그 중에 좋은 책을 고르는 것은 쉽지 않습니다. 이 책은 손에 꼽을 수 있는 몇 안되는 정말 좋은 머신러닝 책입니다. 많은 책 중에 이 책을 골랐다면 정말 운이 좋은 것입니다. 저처럼 여러분이 2판을 읽은 독자라면 3판을 구매하지 않을 이유를 찾을 수 없을 것입니다!

머신러닝과 딥러닝의 최신 기술을 알고 싶다면 이 책을 읽으세요. 그리고 늘 그렇듯이 저자들의 다음 책을 기다리기만 하면 됩니다! 🙂

세바스찬과 바히드에게 감사합니다!