本書是使用Python進行深度學習實踐的一本初學指南。本書并未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網絡的兩項任務——分類和回歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。 本書共9章，分別介紹了深度學習基礎理論、神經網絡基礎知識、構建定制化深度預測模型、性能提升技術、二元分類的神經網絡應用等內容，并借助Python語言對基本算法和實現模型進行了探

本書以Python為背景講述編程，用示例強化理解、條分縷析Python工作原理，給出了經驗總結及其語言特性的緣由和技巧。內容包括Python編程基礎知識、如何獨立編程、程序片段的功能及來由、創(chuàng)建實用和可重用代碼、面向對象編程等。

本書沒有基礎的Python語言的入門內容，所以如果從未學習過Python的話，可能不適合閱讀本書。 本書的主要內容分為四大部分： （1）Python開發(fā)程序的一些方法技巧，如虛擬環(huán)境管理、敏捷開發(fā)入門、單元測試等；（2）Python中的一些中級使用技巧，如列表生成式、多線程與多進程、Python程序性能分析等；（3）機器學習的基本概念和常用算法介紹，以及如何選擇合適的算法；（4）一些使用Python進行建模和機器學習

本書由Pythonpandas項目的創(chuàng)立者WesMcKinney撰寫，是一本實用、現代的Python數據科學工具讀物，適合新入門的Python分析師和剛接觸數據科學及科學計算的Python程序員。數據文件和相關材料在Github上可以獲得。 *將IPythonshell和JupyterNotebook用于探索式計算 *學習NumPy(NumericalPython)的基礎和高級特性 *通過pandas庫中的數據