使用 Python 程式語言實作機器學習基礎理論的入門書，均衡涵蓋程式套件應用與理論推導，透過本書讀者能夠按圖索驥，走出機器學習新手村，成功一轉！
? 先使用套件現成類別與函式
? 再認識演算方法理論與推導
? 最後使用自行定義類別重現
本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程 (台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程) 教材整合編修而成。
三大重點
? 先使用套件現成類別與函式
?NumPy 的 N 維陣列操作與運算
?物件導向風格的 Matplotlib 視覺化
?Scikit-Learn 的五個核心理念
?Keras 的模型建立步驟
? 再認識演算方法理論與推導
?均方誤差函式
?梯度遞減演算方法
?交叉熵函式
?前向傳播與反向傳播
? 最後使
? 先使用套件現成類別與函式
? 再認識演算方法理論與推導
? 最後使用自行定義類別重現
本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程 (台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程) 教材整合編修而成。
三大重點
? 先使用套件現成類別與函式
?NumPy 的 N 維陣列操作與運算
?物件導向風格的 Matplotlib 視覺化
?Scikit-Learn 的五個核心理念
?Keras 的模型建立步驟
? 再認識演算方法理論與推導
?均方誤差函式
?梯度遞減演算方法
?交叉熵函式
?前向傳播與反向傳播
? 最後使
