"NumPy、Pandas、Matplotlib、Scikit-learn以及Pytorch，一应俱全
涵括常见应用场景，可作为初学者入门指南以及从业者中长期参考手册
深度阐述机器学习环境搭建、数据加载、数值处理、数据分析和可视化
结合理论和实践来解释监督学习、无监督学习、回归算法以及集成学习
通过一个端到端解决方案来解释复杂的卷积神经网络架构、原理和实现

本书分为三个部分。第一部分向您介绍使用 Python 的数字运算和数据分析工具，并深入解释环境配置、数据加载、数值处理、数据分析和可视化。第二部分涵盖机器学习基础知识和 Scikit-learn 库。它还通过理论和实践课程以简单的方式解释了监督学习、无监督学习、回归算法的实现和分类以及集成学习方法。第三部分解释了复杂的神经网络架构，并详细介绍了卷积神经网络的内部工作和实现。最后一章包含 Pytorch 中神经网络的详细端到端解决方案。本书可以帮助读者实现机器学习和神经网络解决方案。
特色主题如下：
复习NumPy和Pandas中的数据结构
展示机器学习技术和算法
了解监督学习和非监督学习
重点讨论卷积神经网络和递归神经网络
全面介绍熟悉scikit-learn和 PyTorch
预测递归神经网络和长短期记忆中的序列
"