本书在不涉及大量数学模型与复杂编程知识的前提下，从零开始逐步带领读者熟悉并掌握当下流行的基于Python 3的数据分析，以及支持单机、深度和分布式机器学习的开源程序库，如pandas、Scikitlearn、PyTorch、TensorFlow、PaddlePaddle、PySparkML等。全书分4部分。入门篇包括对全书核心概念的指南性介绍，以及在多种主流操作系统（Windows、macOS、Ubuntu）上配置基本编程环境的详细说明。基础篇涵盖Python 3的编程基础、基于pandas的数据分析，以及使用Scikitlearn解决大量经典的单机（单核/多核）机器学习问题。进阶篇介绍如何使用PyTorch、TensorFlow、PaddlePaddle搭建多种深度学习网络框架，以及如何基于PySpark的ML编程库完成一些常见的分布式机器学习任务。实践篇利用全书所讲授的Python编程、数据分析、机器学习知识，帮助读者挑战和参与Kaggle多种类型的竞赛实战，同时介绍如何使用Git在Gitee、GitHub平台上维护和管理日常代码与编程项目。 本书适合所有对人工智能领域，特别是机器学习、数据挖掘、自然语言处理等技术及其实践感兴趣的初学者。

前言 在本书第1版付梓之后，我便继续投身于互联网人工智能（Artificial Intelligence，AI）新产品的研发领域。时隔近5年，回望这段时间，我亲身感受到了人工智能理论和技术日新月异的飞速发展。 在此期间，我看到了大量承载着人工智能前沿理念和技术的次时代原型产品被孵化出来，不断刷新着人类的认知： 波士顿动力（Boston Dynamics）公司的机器人Atlas可以像人类运动员一样实现跑步越障、后空翻和惊人的三级跳动作；OpenAI设计的人工智能体能够在Dota 2这样环境复杂的策略对抗游戏中几乎“全面碾压”人类优秀选手；DeepMind构建的AlphaGo系列对弈程序接连战胜了多位人类顶尖围棋大师；国内外自动驾驶平台所支持的新型汽车陆续投入量产……同时，许多世界顶级的科研人员在机器视觉、语音合成、阅读理解等人工智能的细分领域进行着不懈的理论探索，就在这短短几年间，我们不断听闻人工智能已经逐渐在这些细分领域超越人类的平均水平。而这些各自深耕的细分领域技术经过工程化的打磨和融合之后，又重新在一些既有的人工智能产品上给我们带来了全新的体验。例如，更加实时和准确的机器同声传译；或者是那些能和真人打电话，聊天过程完全不会尴尬，甚至有点“萌”的多轮对话语音助手。 这些新的技术进步和大量的读者来信时刻鞭策着我。许多表示本书第1版给予了他们莫大的帮助；同时也有资深的前辈指出了第1版中的疏漏和不足。这里，我一并诚挚地感谢大家。其实从本书第1版发行之后，我就一直有意继续跟进、维护和更新本书；怎奈步入职场之后，业余时间的确不如在校期间那般充裕，再版的计划一再被搁置。 这5年...