本書首先介紹數(shù)據(jù)科學，然后指導讀者安裝和搭建數(shù)據(jù)分析編程環(huán)境所需的軟件包。在機器學習中，主要學習3 項技術：監(jiān)督學習、無監(jiān)督學習和強化學習，以及基本的分類與回歸技術，如支持向量機、決策樹以及邏輯回歸等。

在前面章節(jié)的中，將學習Python語言中用于處理大型數(shù)據(jù)集的基本函數(shù)、數(shù)據(jù)結構，用于矩陣計算的NumPy包和Pandas包，如何使用Matplotlib繪制自定義圖表，以及應用Boosting算法XGBoost（梯度提升）進行預測分析等。

在后面的章節(jié)中，將學習用于圖像識別的卷積神經(jīng)網(wǎng)絡（CNN）、深度學習算法。讀者將掌握如何向神經(jīng)網(wǎng)絡饋入人類語言、讓模型處理復雜的文本信息以及構建人類語言處理系統(tǒng)進行結

果預測等。

本書通過實踐操作的方式讓初學者和經(jīng)驗豐富的數(shù)據(jù)科學家掌握數(shù)據(jù)科學與機器學習技術所需的基本工具。書中包含了59個實操訓練項目 22個作業(yè)項目，這些實操性練習都是現(xiàn)實生活中的各種業(yè)務場景，可以讓讀者在高度相關聯(lián)的環(huán)境中練習和應用新的技能。

學習完本書，讀者可以掌握和使用很多新的數(shù)據(jù)科學算法，并且有信心使用本課程以外的工具或庫進行操作。