【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python

掌握通过机器学习和深度学习识别和解决复杂问题的基本技能。使用真实世界的例子，利用流行的Python机器学习生态系统，这本书是你学习机器学习的艺术和科学成为一个成功的实践者的完美伴侣。本书中使用的概念、技术、工具、框架和方法将教会您如何成功地思考、设计、构建和执行机器学习系统和项目。

使用Python进行的实际机器学习遵循结构化和全面的三层方法，其中包含了实践示例和代码。

第1部分侧重于理解机器学习的概念和工具。这包括机器学习基础，对算法、技术、概念和应用程序的广泛概述，然后介绍整个Python机器学习生态系统。还包括有用的机器学习工具、库和框架的简要指南。

第2部分详细介绍了标准的机器学习流程，重点介绍了数据处理分析、特征工程和建模。您将学习如何处理、总结和可视化各种形式的数据。特性工程和选择方法将详细介绍真实数据集，然后是模型构建、调优、解释和部署。

第3部分探讨了多个真实世界的案例研究，涵盖了零售、交通、电影、音乐、营销、计算机视觉和金融等不同领域和行业。对于每个案例研究，您将学习各种机器学习技术和方法的应用。动手的例子将帮助您熟悉最先进的机器学习工具和技术，并了解什么算法最适合任何问题。

实用的机器学习与Python将授权您开始解决您自己的问题与机器学习今天!

你将学习：

• 执行端到端机器学习项目和系统
• 使用行业标准、开放源码、健壮的机器学习工具和框架实现实践示例
• 回顾描述机器学习和深度学习在不同领域和行业中的应用的案例研究
• 广泛应用机器学习模型，包括回归、分类和聚类。
• 理解和应用深度学习的最新模式和方法，包括CNNs、RNNs、LSTMs和transfer learning。

这本书是给谁看的 IT专业人士、分析师、开发人员、数据科学家、工程师、研究生

目录：

Part I: Understanding Machine Learning

• Chapter 1: Machine Learning Basics
• Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
• Chapter 3: Processing, Wrangling and Visualizing Data
• Chapter 4: Feature Engineering and Selection
• Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
• Chapter 6: Analyzing Bike Sharing Trends
• Chapter 7: Analyzing Movie Reviews Sentiment
• Chapter 8: Customer Segmentation and Effective Cross Selling
• Chapter 9: Analyzing Wine Types and Quality
• Chapter 10: Analyzing Music Trends and Recommendations
• Chapter 11: Forecasting Stock and Commodity Prices

Chapter 12: Deep Learning for Computer Vision