本書在不涉及大量數(shù)學(xué)模型與復(fù)雜編程知識(shí)的前提下，從零開始逐步帶領(lǐng)讀者熟悉并掌握當(dāng)下流行的基于Python 3的數(shù)據(jù)分析，以及支持單機(jī)、深度和分布式機(jī)器學(xué)習(xí)的開源程序庫，如pandas、Scikit�瞝earn、PyTorch、TensorFlow、PaddlePaddle、PySpark�睲L等。全書分4部分。入門篇包括對(duì)全書核心概念的指南性介紹，以及在多種主流操作系統(tǒng)（Windows、macOS、Ubuntu）上配置基本編程環(huán)境的詳細(xì)說明�；�礎(chǔ)篇涵蓋Python 3的編程基礎(chǔ)、基于pandas的數(shù)據(jù)分析，以及使用Scikit�瞝earn解決大量經(jīng)典的單機(jī)（單核/多核）機(jī)器學(xué)習(xí)問題。進(jìn)階篇介紹如何使用PyTorch、TensorFlow、PaddlePaddle搭建多種深度學(xué)習(xí)網(wǎng)絡(luò)框架，以及如何基于PySpark的ML編程庫完成一些常見的分布式機(jī)器學(xué)習(xí)任務(wù)。實(shí)踐篇利用全書所講授的Python編程、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)知識(shí)，幫助讀者挑戰(zhàn)和參與Kaggle多種類型的競(jìng)賽實(shí)戰(zhàn)，同時(shí)介紹如何使用Git在Gitee、GitHub平臺(tái)上維護(hù)和管理日常代碼與編程項(xiàng)目。
本書適合所有對(duì)人工智能領(lǐng)域，特別是機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、自然語言處理等技術(shù)及其實(shí)踐感興趣的初學(xué)者。