Python機器學習第三版（下）
Python Machine Learning - Third Edition

第三版－最新修訂版，新增TensorFlow 2、GAN和強化學習等實用內容
使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習

循序漸進、由淺入深，好評熱銷再進化！最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南，也是讀者在建立機器學習系統時的必備參考。有別於其他機器學習教科書，本書使用Python探求機器學習和深度學習的技術精髓，強調豐富實用的程式範例、條理分明的數學解釋，以及直覺友善的圖解說明，帶領讀者探索機器學習的眾多子領域，讓艱澀的概念栩栩如生。

許多讀者告訴我們，他們非常喜歡本書第二版的前12章，因為它們全面介紹了機器學習與Python的科學計算。為了確保這些內容的相關性，我們依據讀者回饋，回顧並修改了這些章節，以支援最新版本的NumPy、SciPy、pandas、matplotlib和scikit-learn，並規劃成本書的上冊。而TensorFlow 2.0更是深度學習領域最振奮人心的事件之一，所有與TensorFlow有關的章節（第13章到第16章，規劃成本書的下冊）都進行了大幅度修改。除了介紹Keras API與scikit-learn的最新功能之外，本書也探討自然語言處理（NLP）的子領域「情緒分析」，以及強化學習（RL）和生成對抗網路（GAN）等時下最流行的AI技術（第17章和第18章）。

無論你是有經驗的程式設計師，或是機器學習新手，或你只想進一步深入了解機器學習的最新發展，本書將是你在機器學習之旅中的絕佳良伴。

在這本書中，你將學到：

 掌握能讓機器從數據中「學習」的框架、模型和技術
 使用scikit-learn進行機器學習、使用TensorFlow進行深度學習
 利用機器學習來做影像分類、情緒分析與智慧Web應用程式
 訓練類神經網路、GAN與其它模型
 結合機器學習模型與Web應用程式
 為機器學習工作清理並準備數據
 用深度卷積類神經網路來分類影像
 了解評估和調校模型的最佳實作
 使用迴歸分析來預測連續目標
 利用「集群」來發掘數據中隱藏的模式與結構
 使用「情緒分析」深入研究文本和社群媒體數據
 上冊包含本書前12章，下冊則包含第13章到第18章。

【下載範例程式檔案】
本書的程式碼是由GitHub託管，可點選下面圖案前往下載：
https://github.com/rasbt/python-machine-learning-book-3rd-edition

【下載本書的彩色圖片】
我們還提供您一個PDF檔案，其中包含本書使用的彩色圖表，可以在此下載：
https://static.packt-cdn.com/downloads/9781789955750_ColorImages.pdf

作者簡介：

Sebastian Raschka　擁有密西根州立大學（Michigan State University）的博士學位，在那裡，他專攻開發將「計算生物學」（computational biology）與「機器學習」結合使用的方法。2018年的夏天，他加入威斯康辛大學麥迪遜分校（University of Wisconsin-Madison），擔任「統計學」的助理教授。他的研究活動包括開發「新的深度學習架構」來解決生物識別（biometrics）領域的問題。

他引以為傲的成就之一是他的著作《Python機器學習》，這也是Packt和Amazon上的暢銷書。本書在2016年榮獲ACM的最佳計算類別獎項（Best of Computing award），並被翻譯成多種不同語言，包括德文、韓文、中文、日文、俄文、波蘭文和義大利文。

Vahid Mirjalili 是密西根州立大學的機械工程博士，專攻大規模「分子結構」計算模擬的新方法研究。他曾是密西根州立大學「iPRoBe實驗室」的一員，致力於各種機器學習在「電腦視覺」與「生物識別」中的應用專案。在「iPRoBe實驗室」與「學術界」耕耘了多年之後，他最近加入3M公司，成為一位研究科學家，利用他的「專業知識」以及應用機器學習與深度學習的「先進技術」，在各種應用程式中解決真實世界的問題，讓生活變得更好。