通常1-5個工作日發貨：機器學習暢銷書第二版！
學習作者們基於經驗的見解和更專業的知識

本書將闡述機器學習的各個概念，包括理論、數學背景和Python編碼實踐。
涵蓋了從早期的機器學習演算法到神經網路（CNN/RNN）的方法。

將使用scikit-learn和TensorFlow等Python相關函式庫。
本書是深入理解和實踐機器學習不可或缺的指南。

第二版根據讀者對第一版的意見進行了全面修訂，並更新了函式庫。
第13章之後的內容幾乎是全新撰寫的。

● 原著第一版曾入選ACM（美國計算機學會）
「21st Annual list of Notable Books and Articles (2016)」
● 日文版第一版曾入選「IT工程師書籍大賞2017」前10名

第一章 賦予電腦「從數據中學習的能力」
第二章 分類問題——訓練簡單的機器學習演算法
第三章 分類問題——利用機器學習函式庫scikit-learn
第四章 數據預處理——構建更好的訓練集
第五章 使用降維壓縮數據
第六章 模型評估和超參數調整的最佳實踐
第七章 組合學習——結合不同的模型
第八章 機器學習應用1——情感分析
第九章 機器學習應用2——Web應用程式
第十章 回歸分析——預測連續目標變數
第十一章 聚類分析——對無標籤數據進行分析
第十二章 從頭開始實現多層人工神經網路
第十三章 使用TensorFlow並行化神經網路訓練
第十四章 TensorFlow的機制和功能
第十五章 圖像分類——深度卷積神經網路
第十六章 序列數據建模——循環神經網路

◎本書為《Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd Edition》的中文翻譯版。

◎需要對微積分/線性代數、Python語法、數據分析函式庫有一定程度的理解。

■摘自「前言」
研究和嘗試機器學習的實用範例程式碼是進入這個領域的絕佳方式，因為它可以讓廣泛的概念變得清晰。
本書將引導您透過Python語言和機器學習函式庫體驗機器學習的實作，同時介紹演算法背後的數學概念。這些概念對於成功運用機器學習至關重要。因此，本書不僅僅是一本實用指南。
本書將根據需要詳細解釋機器學習的概念，並直觀地說明演算法的運作方式、如何使用它們，以及更重要的是，如何避免最常見的陷阱。