●第Ⅰ部分 PYTHON機器學習
第1章 Python 3和Jupyter Notebook入門
1.1 Python概述
1.1.1 Python編程語言的歷史
1.1.2 Python編程語言的哲學
1.1.3 Python的使用範圍
1.2 安裝Python
1.2.1 在Linux發行版上安裝Python
1.2.2 在macOS上安裝Python
1.3 Python模式
1.3.1 交互模式
1.3.2 腳本模式
1.4 Pip3工具
1.5 科學Python生態繫統
1.6 Python的實現和發行版
1.7 Anaconda發行版
1.8 小結
第2章 NumPy入門
2.1 開始使用NumPy
2.2 Ndarray的索引
2.3 Ndarray的屬性
2.4 NLJmPy常量
2.5 小結
第3章 數據可視化入門
3.1 用於創建Ndarray的NumPy例程
3.2 Matplotlib數據可視化
3.3 小結
第4章 Pandas入門
4.1 Pandas基礎矢口識
4.2 Pandas中的Series
4.3 Pandas中的數據框架
4.4 在數據框架中實現數據的可視化
4.5 小結
第Ⅱ部分 機器學習方法
第5章 Scikit-learn機器學習概述
5.1 從數據中學習
5.1.1 監督式學習
5.1.2 無監督學習
5.2 機器學習繫統的結構
5.2.1 問題理解
5.2.2 數據收集
5.2.3 數據標注和數據準備
5.2.4 數據整理
5.2.5 模型的開發、訓練和評估
……
第Ⅲ部分 神經網絡和深度學習

本書基於作者多年的積累，通過概念及其解釋、Python代碼示例及其解釋和代碼輸出，特別針對零基礎讀者精心設計了這本機器學習進階指南。全書包含3部分16章的內容，在介紹完編程和數據處理基礎之後，探討了監督學習（如線性回歸、邏輯回歸及決策樹、樸素貝葉斯和支持向量機）、集成學習以及無監督學習（如降維和聚類等）。值得一提的是，書的最後講到了神經網絡和深度學習的基本思想，探討了人工神經網絡、卷積神經網絡和遞歸神經網絡。本書適合零基礎且希望了解和掌握機器學習的讀者閱讀與參考。