Python

本書基於Python語言，結合實際的數據集，介紹如何使用機器學習與深度學習算法，對數據進行實戰分析。本書在內容上循序漸進，先介紹了Python的基礎內容，以及如何利用Python中的第三方庫對數據進行預處理和探索可視化的相關操作，然後結合實際數據集，分章節介紹了機器學習與深度學習的相關算法應用。本書為讀者提供了源程序和使用的數據集，方便讀者在閱讀時同步運行程序，在增強學習效果的同時為讀者節省了編寫程序的時間。源程序使用Notebook的形式進行組織，每個小節注釋清晰，講解透徹。同時為程序配備了相應的視頻講解，輔助讀者對程序能很好地理解和消化。本書在簡明扼要地介紹算法原理的同時，更加注重實戰應用和對結果的解讀。

《Python Web開發從入門到精通》從初學者角度出發，通過通俗易懂的語言、豐富多彩的實例，詳細介紹了使用Python進行Web程序開發應該掌握的各項技術。全書共分15章，包括HTML和CSS基礎、JavaScript基礎、網絡編程基礎、MySQL數據庫基礎、Web框架基礎、Flask框架基礎、Flask框架進階、Django框架基礎、Django框架進階、Tornado框架基礎、FastAPI框架基礎、Flask框架開發好記星博客系統、Django框架開發智能星學生管理系統、Tornado框架開發BBS社區系統和FastAPI框架開發看圖猜成語微信小程序等內容。

Want to kill it at your job interview in the tech industry? Want to win that coding competition? Learn all the algorithmic techniques and programming skills you need from two experienced coaches, problem setters, and jurors for coding competitions. The authors highlight the versatility of each algorithm by considering a variety of problems and show how to implement algorithms in simple and efficient code. Readers can expect to master 128 algorithms in Python and discover the right way to tackle a problem and quickly implement a solution of low complexity. Classic problems like Dijkstra's shortest path algorithm and Knuth-Morris-Pratt's string matching algorithm are featured alongside lesser known data structures like Fenwick trees and Knuth's dancing links. The book provides a framework to tackle algorithmic problem solving, including: Definition, Complexity, Applications, Algorithm, Key Information, Implementation, Variants, In Practice, and Problems. Python code included in the book

本書在講解Python編程語言語法概念的同時融入了相關的科學知識。隨著人工智能技術的飛速發展，編程教育越來越重要。編程的核心是算法和邏輯，是通往未來的語言。近期，國務院發布《新一代看人工智能發展規劃》，大力推廣K12編程教育，還有的省已經將信息技術納入高考科目。本書內容涵蓋Pyhton的專題設計和案例，是K12實戰訓練的指導教程。Python是目前較熱門也是功能較強大的程序語言。本書除了對Pyth

集Python、Excel、數據分析為一體是本書的一大特色。本書圍繞整個數據分析的常規流程:工具熟悉-獲取數據-數據熟悉-數據處理-數據分析-分析結果進行Excel 和Python 對比實現，告訴你每一個過程中都會用到什麼？過程與過程之間有什麼聯繫。這樣一本書既可以作為系統學習數據分析流程操作的說明書，也可以作為一本數據分析師案頭必備的實操工具書，隨時備查。本書通過對比Excel 功能操作去學習P

這本書是基於R和Python的數據科學項目案例集錦，內容涵蓋了基於數據科學的所有要素，包括數據採集、處理、清洗、分析、建模、可視化以及數據產品的搭建。案例包含了汽車數據分析、股票市場建模、社交網絡分析、推薦系統、地理信息分析，以及Python代碼的計算優化。通過手把手的案例解析，令讀者知其然並知其所以然。業界的數據分析師、數據挖掘工程師、數據科學家都可以讀一讀。想要了解實際工作中如何用數據產生價值

本書採用常用技術與真實案例相結合的講解方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共8章，內容包括Python概述、NumPy數值計算、pandas基礎、pandas進階、Matplotlib繪圖、scikit-learn、餐飲企業綜合分析與預測、通信運營商客戶流失分析與預測。前6章設置了選擇題、填空題和操作題，後兩章設置了操作題，希望通過練習和操作實踐，讀者可以鞏固所學的內容。本書可以作為高校大數據或人工智能專業的教材，也可作為機器學習愛好者的自學用書。

本書通過真實案例，全面介紹Python 3編程基礎及其數據分析工具的應用，培養讀者通過數據分析問題、解決問題以及對結果評價的能力。全書內容包括：Python 3基本配置和編程基礎、編程進階、數據預處理、數據描述與數據探索、繪圖與可視化、統計推斷、相關分析、關聯分析、回歸分析、主成分和因子分析、聚類、判別與分類、列聯分析、對應分析、定性數據分析、神經網絡和深度學習、時間序列分析、信號濾波等，將讀者關注的基本數據分析方法進行剖析。

本書主要以Python+OpenCV為主，系統地介紹了Python在數字圖像處理的各種應用算法和案例，對數字圖像處理的各種算法進行講解和案例分析，以方面讀者後期繼續進行人工智能、機器學習、深度學習等方面的學習和研究，不再需要更換編程語言和編程環境。本書主要以介紹圖像處理技術和應用實例為主，每個處理技術後面跟著至少一個應用實例，全書共給出189個應用實例程序，每個實例均已通過作者的調試，能夠運行正常，讀者可直接引用。

本書是一本系統、全面地介紹Python網絡爬蟲的實戰寶典。作者融合自己豐富的工程實踐經驗，緊密結合演示應用案例，內容覆蓋了幾乎所有網絡爬蟲涉及的核心技術。在內容編排上，一步步地剖析算法背後的概念與原理，提供大量簡潔的代碼實現，助你從零基礎開始編程實現深度學習算法。全書按照學習爬蟲所涉及的核心技術從易到難，再到應用的順序分為14章。第1章介紹Python的安裝配置和基礎語法。 第2章介紹爬蟲類型、抓

本書介紹了基於Python 3的語料庫相關技術與應用，內容主要包括語料自動獲取與語料分析實踐。全書共分為兩篇：理論篇和實踐篇。理論篇中，本書介紹了如何將Python 3應用到語料自動獲取、存儲與讀取、清洗與預處理、語料檢索與分析等典型應用場景。在第四章中還涉及部分自然語言處理的內容，包括情感分析和命名實體識別等。實踐篇中，本書從開發環境配置出發，以IMDb為例，闡述了影評語料的自動獲取和基於機器學

本書基於大氣科學領域科研和業務的實際需求，系統地介紹了Python語言的基本語法、高級語言特徵以及與氣象科研和業務密切相關的工具庫。內容的編排和撰寫充分考慮了大多數氣象工作者的計算機知識背景，通過與氣象領域其他常用編程語言比較的方式，加深對Python語言的理解和應用能力。全書覆蓋了氣象資料分析中常用的數據整理、分析和繪圖等常見功能。另外，本書還提供了很多氣象常用的程序實例，並提供源代碼下載供讀者

本書重點介紹Python語言在數據處理與數據挖掘方面的應用技巧，主要包括數據分析基礎知識(數據收集與分析軟件、數據挖掘的分析基礎、簡單數據的統計分析)，數據分析高級方法(多元數據的綜合分析、時序數據的模型分析)，大數據基本處理方法(大數據分析基礎應用、文獻計量與科研評價、社會網絡分析方法、數據分析編程平臺)等內容。附錄中還提供了Python數據分析相關方法和函數等，方便讀者隨時查看。本書內容豐富，

理論、思維訓練與實踐相結合是本書的特色。本書共分為8章，主要內容是通過算法與程序設計的基本概念，結合Python程序設計語言，使學生理解計算思維的概念，瞭解算法與程序的關係，能夠進行較為簡單而經典的算法設計，評價算法的性能與效率，並能利用Python語言進行簡單的程序開發。培養學生利用計算機解決與專業、科研、社會需要密切相關的實際問題的能力和基本創新精神，以適應信息化社會的要求、拓寬發展空間，使其

隨著大數據、人工智能等技術的創新迭代速度加快，經濟社會數字化轉型全面開啟，本書旨在培養會計審計人員的數字化、信息化能力，助推會計審計工作運用新技術、融入新時代、實現新突破。本書圍繞Python財務數據分析展開編寫，整體分為基礎篇、應用篇兩部分。基礎篇包括第1章～第4章內容，系統闡述了Python環境配置、語法基礎、財務數據采集與分析、財務數據可視化等基礎知識；應用篇包括第5章～第7章內容，本部分結合會計核算方法、管理會計工具、財務分析思路，通過各類財務數據分析模型的搭建，深入講解Python技術在會計審計工作場景中的應用。 本書體系結構完善，講解由淺入深，理論結合實踐，案例豐富，適合應用型本科和高等職業院校財會類專業的教材，也可以作為財務會計、管理會計、財務審計等領域的數字化培訓教材.

本書指導讀者使用Python和Q#語言學習量子計算，揭開量子計算的神秘面紗。本書儘量避免複雜的數學概念，試圖直接通過量子編程來幫助讀者建立對量子計算機的理解。讀者可以通過使用Python創建自己的量子模擬器來學習量子計算的基礎知識，然後使用QDK和Q#來編寫和運行與經典計算不同的算法。通過閱讀本書，讀者將能夠把量子編程技術應用於量子密鑰分發等應用程序中，並處理真實的示例，如進行化學模擬和搜索未排序的數據庫等。

本書以Python 3.8.2為基礎，不但介紹了Selenium 4.0 alpha 5的用法，而且介紹了測試模型、測試框架、測試策略方面的很多內容。本書共12章，內容主要包括Selenium自動化測試框架入門、Python環境的搭建、Selenium的安裝、Selenium IDE插件的安裝與使用、Selenium腳本的編寫、Selenium中的元素定位方法、自動化測試模型的搭建、自動化測試框架的設計、Docker命令，以及基於Docker與Selenium Grid的測試技術應用，基於Docker、Jenkins與Selenium實現分布式自動化測試的方法，Selenium在性能測試和安全性測試方面的應用等。本書適合從事開發、測試、運維等工作的專業人士閱讀。

本書展示如何在你新買的樹莓派上通過編程實現一個網絡機器人、氣象站，或是媒體服務器等功能。通過一些簡單的實例和有趣的項目，你能學到如何在樹莓派上通過Python進行編程。你將會學到如何創建一系列好玩且實用的項目，從可以搜索並下載文件的網絡機器人，到一個可以將你的寵物逼瘋的小玩具。甚至，你還會學到將樹莓派與Arduino或是Gertboard相結合的方法。新版本已經完全更新了新板的特性。你將學習如何在樹莓派上使用Python編程，並提供實際的示例和有趣的項目。

◎本书把Python技术和量化投资实例结合起来，分4个篇章介绍了Python工具、量化投资统计与计量分析方法、量化投资组合与资产定价理论及应用，以及量化投资策略。 ◎本书实例丰富，有很强的针对性，各章详细介绍了实例的具体操作过程，读者只需按照所介绍的步骤按部就班地操作，就能掌握全书的内容。 ◎本书可供经管类本科高年级学生与研究生参考使用，同时对从事数据分析的实际工作者也大有裨益。 ◎本书配套实例的全部数据文件，可免费给读者提供。

量化交易已經從技術分析逐步向基本面量化交易過渡，研究方法已經從簡單的線性回歸向包括機器學習、深度學習等人工智能方法過渡。由於量化交易的跨學科屬性，普通學生的入門門檻相對較高，為此，本書結合經濟學原理、數學原理及計算機編程方法三個角度綜合闡述量化交易的基本方法，以量化交易金融理論為基礎，以量化交易實踐為主線，幫助入門階段的讀者循序漸進掌握Python量化交易的基本方法。本書共12章，分為量化概述篇、Python編程理論篇和量化交易實踐篇。量化概述篇(第1章)詳細講述量化交易的概念，將量化交易與高頻交易和程序化交易的異同點進行總結，分析了量化交易的最新發展趨勢。Python編程理論篇(第2～4章)從基礎開始，系統深入地剖析Python編程語言的核心語法及Pandas、NumPy等數據分析庫。量化交易實踐篇(第5～12章)從操作入手，系統全面地講解了量化交易中常用的數據獲取與管理方法、技術分析庫、量化回測方法及風險管理等。本書示例代碼比較豐富，理論與實踐結合緊密，不僅幫助讀者理解量化策略背後的經濟學原理，也能助力讀者快速掌握量化交易的編程方法。本書既適合高校相關專業師生使用，也適合傳統金融從業者或者計算機程序員轉型量化交易而使用，並可作為高等院校和培訓機構相關專業的教學參考書。

本書基於面向 Python 的 OpenCV(OpenCV for Python)，介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡為主線，並對細節進行補充和說明。 書中不僅介紹了 OpenCV 函數的使用方法，還介紹了函數實現的算法原理。在介紹 OpenCV 函數的 使用方法時，提供了大量的程序示例。而且在介紹函數對圖像的處理前，往往先展示函數對數值、數組 的處理，方便讀者從數值的角度觀察和理解函數的處理過程和結果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多複雜抽象的公式。

教材圍繞基於Python的財務數據分析和Python在財會領域的重要應用兩大模塊組織教材編寫內容，將知識傳授、能力培養和價值塑造貫穿整本教材。全書共分9章，其中第1章為概述，第2-7章屬￿財務數據分析模塊，第8-9章屬￿財會領域應用模塊。教材每章的結構安排：教材每章包含學習目標、關鍵詞、需上載的數據表和需安裝的第三方模塊、主體內容、課後思考題和實戰演練題，在教材每章的主體內容中，採用邊講邊練的模式佈局，除概述和基礎知識章節外，每章均配有大量的利用上市公司財務數據進行實戰演練的案例。

本書是一本內容豐實、形式活潑，同時與電腦的最新發展密切結合的電腦入門教材。電腦包含了一切可以執行程式的計算設備。本書用深入淺出的語言講解了電腦科學的基礎知識。主要內容包括電腦學什麼、神奇的0與1、程式是如何執行的、學習Python語言與資料庫知識、計算思維的核心——演算法、作業系統、平行計算、電腦網路與物聯網、資訊安全等。本書不僅讓讀者能夠清楚、完整地瞭解如何用電腦解決問題，而且通過Python程式的巧妙演繹與動手實踐，讓讀者切實體會到電腦科學的廣博與趣味，帶領讀者體會電腦科學之美。

本書是作者依據多年來從事機器學習課程教學及科學研究的經驗，結合本科生和研究生實際教學工作的需要，並參考相關經典文獻編寫而成。本書以人工智能主流編程語言Python 3作為機器學習和數據分析的實戰工具，從機器學習導論開始，依次介紹了Python編程基礎、TensorFlow編程基礎、機器學習編程基礎，以及典型機器學習算法的原理和實現，具體包括KNN分類算法、KMeans聚類算法、支持向量機、決策樹與隨機森林、回歸分析、神經網絡、卷積神經網絡、Transformer深度神經網絡、圖神經網絡、生成對抗神經網絡等方面的內容及案例。本書力求簡潔達意、清晰易懂、理論教學與具體實踐相結合，代碼可複現，全書提供了大量應用實例和習題，方便讀者快速入門並掌握機器學習的具體算法。本書適合作為高等院校電子信息工程、通信工程、計算機科學與技術、電子科學與技術等相關專業本科生教材，也可作為研究生科研參考教材，同時可供廣大Python編程、機器學習、深度學習等工程技術人員參考使用。

本書介紹了現代語音信號處理的基礎、原理、方法和應用，並且給出一些相關算法的Python庫和調用函數。全書共15章，第1章介紹了語音信號處理的發展歷程、人工智能基礎和相關研究方向；第2～4章介紹了語音信號處理的一些基礎理論、方法和參數；第5章介紹了神經網絡與深度學習的基礎知識；第6～15章將語音信號處理的研究方向分為前端處理(包括語音增強、回聲消除、聲源定位和波束形成)、後端應用(包括語音識別、說話人識別和語音情感計算)和其他研究(包括語音合成與轉換、語音隱藏和助聽器聲信號處理)三個部分，並介紹了相關研究的基礎理論和算法原理。在附錄中，介紹了學習Python語言的PyCharm軟件的快速使用教程，並對文中常用的Python庫進行了說明。本書可作為計算機和通信與信息系統等學科相關專業的高年級本、專科學生和研究生的教材或教學參考用書，也可作為從事語音信號處理的科研工程技術人員的輔助讀物和參考用書。

數學知識對編程很有用，但是很多寫給程序員的數學書都比較難。我們為什麼不從基礎的數學知識開始學習呢？本書盡力在計算機的世界中，告訴大家“數學可以怎樣用”或者“數學可以解決什麼問題”，還嘗試用簡單的 Python 程序來展示實際的效果，幫助大家找到一種“原來如此”的感覺，從而掌握相關的數學知識。本書不僅解釋了數學理論，還解釋了使用 Python 編寫的程序中的計算、證明和理論驗證。本書的主要目標是讓數學變得易懂！程序員或者是想要成為程序員的高中生、大學生，以及對機器學習和人工智能感興趣的初學者，甚至是數學基礎薄弱的讀者都適合閱讀本書。

用传统的电子表格来处理数据不仅效率低下, 而且无法处理某些格式的数据, 对于混乱或庞大的数据集更是束手无策。本书将教你如何利用语法简单、容易上手的Python轻松处理数据。学完本书, 你的数据处理和分析能力将更上一层楼。

本書詳細介紹Python科學計算中最常用的擴展庫NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython，涉及數值計算、介面製作、三維視覺化、影像處理、提高運算效率等多方面的內容。所附光碟中包含所有章節的Notebook以及可擕式運行環境WinPython，以方便讀者運行書中所有實例。

開發物聯網項目往往涉及傳感器、單片機、網關設備、通信模塊、網絡協議、後台程序、Web端等多個組件，同時需要運用多種編程語言和研發技能。在產品原型驗證的初期階段，特別是對小團隊而言，整合多方研發資源是一項不小的挑戰。本書通過介紹一個完整的實戰項目，全面展示了物聯網開發從設備到雲端的整體流程。該項目(智能種植系統)包含了遠程燈控、安防報警、環境監測、智能滴灌、設備管理等諸多功能模塊，並且僅採用Python一種編程語言，便實現了傳感器、STM32單片機、嵌入式ARM-Linux網關、雲端程序的開發工作。得益于Python豐富的第三方庫和模塊的支持，即使是對硬件和嵌入式知識瞭解不多的開發者，也能輕鬆駕馭物聯網開發。

本書主要以國內A股市場為例，借助第三方量化交易平臺，講述了KNN、線性模型、決策樹、支持向量機、樸素貝葉斯等常見機器學習算法在交易策略中的應用，同時展示了如何對策略進行回測，以便讓讀者能夠有效評估自己的策略。 另外，本書還講解了自然語言處理（NLP）技術在量化交易領域的發展趨勢，並使用時下熱門的深度學習技術，向讀者介紹了多層感知機、卷積神經網絡，以及長短期記憶網絡在量化交易方面的前瞻性應用。 本書沒有從Python基礎語法講起，對於傳統交易策略也只是一帶而過，直接將讀者帶入機器學習的世界。本書適合對Python語言有一定了解且對量化交易感興趣的讀者閱讀。

本書前5版好評如潮，作為第6版，本書首次使用了Python語言。本書除了介紹用於統計和機器學習等領域的預測、分類、可視化、降維、推薦系統、聚類、文本挖掘、網絡分析等方法之外，內容還包括： 新加入的合著者Peter Gedeck擁有使用Python講解商業分析課程的豐富經驗以及將機器學習應用於新藥發現過程的專業技能。在本書中，他十分樂於將這些經驗和技能與讀者分享。討論數據挖掘中的倫理問題。根據教師和學生的反饋意見對內容做了更新。通過多個案例展示數據挖掘技術的實際應用。每章後面的習題有助於讀者評估和加深對該章內容的理解。在線支持網站提供了數據集、教學資料、習題答案、PPT教案和案例解決方案。

本書面向非計算機專業的大學生，旨在提高學生知識交叉融合貫通、求解問題的能力。全書分為基礎篇和應用篇。基礎篇以計算思維為導向，講解計算求解的基本思維方式，python的基礎語法及數據結構；應用篇則面向實際問題的求解，介紹常見的計算問題及python中的應對方法。本書內容佈局簡潔合理、深入淺出，力求達到基礎學科知識應用融會貫通的目的。為便於教學，本書提供了高質量的PPT，上機實驗。線上教學配套資源豐富，包括重點章節的微課、程序代碼、實例數據，通過二維碼掃描即可獲取。本書既可作為高等學校工科交叉類課程的教材，也可作為各專業計算機課程的參考教材，也適合自學者使用。

本書以某上市電商企業的客戶數據、訂單數據、股價數據為基礎，由淺入深、循序漸進地介紹Python可視化技術，重點介紹Matplotlib與Pyecharts在數據可視化應用中的基本功能和使用技巧。全書以案例為主線，既包括軟件的操作與應用，又融入了數據可視化的基礎知識，繪圖案例大多選自工作實踐，可使讀者真正掌握專業的可視化方法與技巧，提升數據分析的整體能力。本書配套資源包含案例採用的數據源文件、源代碼和教學視頻，供讀者在閱讀本書時進行操作練習和參考。 本書可作為管理、經濟、社會人文等領域的人員學習Python軟件進行大數據可視化分析的參考書，也可以作為大中專院校相關專業的教學用書或參考書。

本書從跨學科的角度入手，強調應用，介紹Python有用的功能，包括編程的基本要素、功能、模組、面向物件編程和資料抽象物件、演算法與資料結構，融匯了作者豐富的課堂教學經驗，提供了大量源代碼、I/O庫和精選實例。適合作為高校電腦專業編程課程的教材。

《Python 網絡爬蟲從入門到精通》的主旨是介紹如何結合Python進行網絡爬蟲程序的開發，從Python語言的基本特性入手，詳細介紹了Python網絡爬蟲開發的各個方面，涉及HTTP、HTML、JavaScript、正則表達式、自然語言處理、數據科學等不同領域的內容。全書共15章，包括Python基礎知識、網站分析、網頁解析、Python文件讀寫、Python與數據庫、AJAX技術、模擬登錄、

本書涵蓋數據分析與數據挖掘的基礎知識、必備工具和有效實踐方法，能讓讀者充分掌握數據分析與數據挖掘的基本技能。 本書共分為15章，主要內容包括大數據獲取、數據預處理、探索性數據分析、用Sklearn估計器分類、主流數據分析庫、大數據的數據庫類型、數據倉庫/商業智能、數據聚合與分組運算、數據挖掘工具、挖掘建模、模型評估、社會媒體挖掘、圖挖掘分類、基於深度學習的驗證碼識別、基於深度學習的文本分類挖掘實現。 本書採用理論與實踐相結合的方式，利用Python語言的強大功能，以最小的編程代價進行數據的提取、處理、分析和挖掘，既適合Python數據分析與數據挖掘初學者、大數據從業人員閱讀，也適合高等院校和培訓機構大數據與人工智能相關專業的師生教學參考。

本書從神經網路的基礎知識講起，逐步深入到Python進階實戰，通過對各種實用的協力廠商庫進行詳細講解與實戰運用，讓讀者不但能夠更加深入地瞭解神經網路，而且能夠簡單高效地搭建自己的神經網路，即使沒有專業背景知識也能輕鬆入門神經網路。

本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。

本書以“項目驅動、任務導向”為核心理念，結合 Python 語言的應用趨勢，系統構建編程教學體系。全書以學生信息管理系統的漸進式開發為主線，貫穿從基礎入門到綜合應用的完整學習路徑。全書共 9 個項目，內容可以分為 3 個模塊。其中，項目 1～3 為入門基礎模塊，該模塊聚焦 Python 開發環境配置、基礎語法與流程控制、組合數據類型與字符串應用等必備基礎知識，為項目開發奠定堅實的語法基礎；項目 4～6 為核心進階模塊，該模塊通過學生信息管理系統的版本迭代(從函數模塊版到面向對象版)，有機融入函數封裝、文件操作、異常處理、面向對象編程等核心知識，培養讀者的模塊化設計思維與項目化開發能力；項目 7 為領域拓展模塊，該模塊延伸至數據分析與可視化、Web 開發、人工智能、物聯網等前沿應用領域，配備真實行業實踐案例，強化讀者的技術遷移能力與綜合應用能力。 本書將 Python 語言的基礎知識與項目實戰深度融合，秉持“理論落地、任務導向”的原則，著重培養讀者的編程實踐能力，具有較強的實用性。本書既可以作為應用型本科院校、職業本科院校、高等職業院校計算機及相關專業的教材，也可以作為編程學習者、技術從業者的參考用書。

本書介紹機器學習經典算法的原理、實現及應用。全書共15章，內容包括機器學習基礎、貝葉斯分類、kNN算法與非參數估計、決策樹、感知機與支持向量機、聚類、線性回歸、邏輯回歸、BP神經網絡、深度學習，以及手寫數字識別、垃圾郵件分類、零售商品銷售量分析與預測、電影評論情感分析等綜合案例。本書算法在講解過程中，首先以生活實際案例引入，然後講解算法的數學原理及公式推導過程，最後分別給出算法的原始實現和通過調用sklearn庫兩種實現方式的算法，所有算法及案例均以Python實現。本書在知識的講解過程中，以潤物細無聲的方式融入育人理念。本書適合作為高等學校計算機、軟件工程、人工智能、大數據等相關專業本科生、研究生學習機器學習的教材，也可供Python機器學習開發人員和研究人員參考。