本书基于作者多年的积累，通过概念及其解释、Python代码示例及其解释和代码输出，特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容，在介绍完编程和数据处理基础之后，探讨了监督学习（如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机）、集成学习以及无监督学习（如降维和聚类等）。值得一提的是，书的最后讲到了神经网络和深度学习的基本思想，探讨了人工神经网络、卷积神经网络和递归神经网络。
本书适合零基础且希望了解和掌握机器学习的读者阅读与参考。

阿什温·帕扬卡（Ashwin Pajankar)是一名技术类作家、讲师、内容创作者和YouTuber主播。他在南德的SGGSIE&T获得了工程学士学位，在印度理工学院海德拉巴校区获得了计算机科学与工程硕士学位。他在7岁的时候接触到电子技术和计算机编程。BASIC是他学会的第一种编程语言。他还用过其他很多编程语言，比如汇编语言、C、C++、Visual Basic、Java、Shell Scripting、Python、SQL和JavaScript。他还非常喜欢使用单板计算机和微控制器，比如树莓派、Banana Pro、Arduino、BBC Microbit 和ESP32。他目前正专注于发展YouTube频道，内容涉及计算机编程、电子技术和微控制器。

第Ⅰ部分 PYTHON机器学习
第1章 Python 3和Jupyter Notebook入门
1.1 Python概述
1.1.1 Python编程语言的历史
1.1.2 Python编程语言的哲学
1.1.3 Python的使用范围
1.2 安装Python
1.2.1 在Linux发行版上安装Python
1.2.2 在macOS上安装Python
1.3 Python模式
1.3.1 交互模式
1.3.2 脚本模式
1.4 Pip3工具
1.5 科学Python生态系统
1.6 Python的实现和发行版
1.7 Anaconda发行版
1.8 小结
第2章 NumPy入门
2.1 开始使用NumPy
2.2 Ndarray的索引
2.3 Ndarray的属性
2.4 NLJmPy常量
2.5 小结
第3章 数据可视化入门
3.1 用于创建Ndarray的NumPy例程
3.2 Matplotlib数据可视化
3.3 小结
第4章 Pandas入门
4.1 Pandas基础矢口识
4.2 Pandas中的Series
4.3 Pandas中的数据框架
4.4 在数据框架中实现数据的可视化
4.5 小结
第Ⅱ部分 机器学习方法
第5章 Scikit-learn机器学习概述
5.1 从数据中学习
5.1.1 监督式学习
5.1.2 无监督学习
5.2 机器学习系统的结构
5.2.1 问题理解
5.2.2 数据收集
5.2.3 数据标注和数据准备
5.2.4 数据整理
5.2.5 模型的开发、训练和评估
……
第Ⅲ部分 神经网络和深度学习