本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。
本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。

第1章 监督学习
1.1 技术要求
1.2 简介
1.3 用Python创建数组
1.3.1 准备工作
1.3.2 详细步骤
1.3.3 工作原理
1.3.4 更多内容
1.4 用均值移除法进行数据预处理
1.4.1 准备工作
1.4.2 详细步骤
1.4.3 工作原理
1.4.4 更多内容
1.5 数据缩放
1.5.1 准备工作
1.5.2 详细步骤
1.5.3 工作原理
1.5.4 更多内容
1.6 归一化
1.6.1 准备工作
1.6.2 详细步骤
1.6.3 工作原理
1.6.4 更多内容
1.7 二值化
1.7.1 准备工作
1.7.2 详细步骤
1.7.3 工作原理
1.7.4 更多内容
1.8 one-hot编码
1.8.1 准备工作
1.8.2 详细步骤
1.8.3 工作原理
1.8.4 更多内容
1.9 标签编码
1.9.1 准备工作
1.9.2 详细步骤
1.9.3 工作原理
1.9.4 更多内容
1.10 构建线性回归器
1.10.1 准备工作
1.10.2 详细步骤
1.10.3 工作原理
1.10.4 更多内容
……
第2章 构建分类器
第3章 预测建模
第4章 无监督学习——聚类
第5章 可视化数据
第6章 构建推荐引擎
第7章 文本数据分析
第8章 语音识别
第9章 时序列化和时序数据分析
第10章 图像内容分析
第11章 生物特征人脸识别
第12章 强化学习
第13章 深度神经网络
第14章 无监督表示学习
第15章 自动机器学习与迁移学习
第16章 生产中的应用