本書以機器學習原理和演算法編碼學習為主，內容分二大主線：單個演算法的原理講解和機器學習理論的發展變遷。
演算法除包含傳統的分類、聚類、預測等常用演算法之外，還新增深度學習、貝氏網、隱馬克夫模型等內容。每個演算法，都涵蓋提出問題、解決策略、數學推導、編碼實現、結果評估等部分。
數學推導力圖做到深入淺出。結構上數學原理與程式碼一一對照，有助於降低學習門檻，加深公式的理解，發揮推廣和擴大機器學習的作用。
適合：對機器學習演算法有興趣者，或工程技術人員。
本書特色
今天不學機器學習，明天就被機器取代!
?圍繞三大主線：神經網路、智慧推理、矩陣計算
?提供豐富案例：近25個經典的演算法講解
?解剖具代表性的演算法：Scikit-Learn、OpenCV、Theano
演算法除包含傳統的分類、聚類、預測等常用演算法之外，還新增深度學習、貝氏網、隱馬克夫模型等內容。每個演算法，都涵蓋提出問題、解決策略、數學推導、編碼實現、結果評估等部分。
數學推導力圖做到深入淺出。結構上數學原理與程式碼一一對照，有助於降低學習門檻，加深公式的理解，發揮推廣和擴大機器學習的作用。
適合：對機器學習演算法有興趣者，或工程技術人員。
本書特色
今天不學機器學習，明天就被機器取代!
?圍繞三大主線：神經網路、智慧推理、矩陣計算
?提供豐富案例：近25個經典的演算法講解
?解剖具代表性的演算法：Scikit-Learn、OpenCV、Theano
