机器学习是人工智能的重要技术基础,涉及的内容十分广泛。本书基于Python语言,实现了12个典型的实战案例,其内容涵盖了机器学习的基础算法,主要包括统计学习基础、可视化、常用的分类算法、文本分析、卷积神经网络、循环神经网络、注意力机制、生成对抗网络、电子推荐系统等理论。 本书深入浅出,以实际应用的项目作为案例,实践性强,注重提升读者的动手操作能力,适合作为高等院校本科生及研究生机器学习、深度学习、数据挖掘等课程的实验教材,也可作为对机器学习和深度学习感兴趣的研究人员和工程技术人员的参考资料。

赵卫东，复旦大学计算机科学技术学院副教授。主要负责本科生和各类研究生机器学习、大数据核心技术和商务智能（商务数据分析）等课程的教学。2011年纽约大学访问学者、2015年上海市科技进步二等奖获得者、CDA三级认证数据科学家、腾讯云和百度云机器学习认证讲师。主讲的商务智能课程被评为上海市精品课程以及CMOOC联盟线上线下混合式教学改革项目，并获得2013年高等教育上海市教学成果奖二等奖。目前主要研究方向包括机器学习应用和大数据分析等。主持国家自然科学基金2项，国家重点研发计划子课题、上海市浦江人才以及企业合作课题等30多项。已在Knowledge and Information Systems， Information Processing & Management，Information Systems Frontiers等国内外刊物和学术会议发表论文100多篇。出版专著、教材《机器学习》《机器学习案例实战》《Python机器学习实战案例》等10多部。

第2版前言 近年来人工智能发展很快，已经在很多行业得到成功的应用，推动了企业对人工智能应用人才的需求增长，市场上急缺有较强应用能力、能解决实际问题的高级人才。越来越多的高校开设了人工智能专业，其中机器学习和深度学习等核心课程不仅包含的算法众多，兼具学习难度，而且应用也有一定的门槛。如何在实际应用中掌握这些理论知识是一件非常有挑战性的事情。 目前，高校机器学习和深度学习教学还多停留在理论传授的层次，辅助一些简单的实验，远未达到实用型人才培养的要求。主要的原因之一是缺少有实际项目经验的师资； 另外，机器学习和深度学习的应用充满了不确定性，需要在实战项目中才能积累必要的技能和技巧。 如何通过精读一些典型案例的讲解，揣摩机器学习和深度学习项目流程每个步骤的常见问题以及处理方法，已经成为入门实战项目的重要基础。为此，我们在第1版的基础上，从与企业合作的真实项目或预研项目中，经过一定的简化和抽象，精选了12个案例。这些案例都有一定的综合性，尽量接近实际项目的复杂性，多数案例都使用了多种机器学习或深度学习的典型算法，对于检验读者基础算法的理解广度和深度，都有一定的挑战。 第2版拓展了一些内容，基于典型的应用场景，利用TensorFlow、PaddlePaddle等主流开源框架，思路尽量覆盖常用的数据可视化、分类算法、文本分析、卷积神经网络、循环神经网络、注意力机制、生成对抗网络、电子推荐系统等机器学习和深度学习核心知识的灵活应用。 第2版主要对第1版做了如下修改： （1） 为了便于读者检验对基本的机器学习和深度学习算法的掌握情况，在本书的附录A和附录B提供了190多道选择...