◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！

．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。
．使用Pandas與Numpy處理與分析資料。
．以Scikit-Learn實作監督式學習－線性廻歸、邏輯廻歸、決策樹、K-近鄰演算法、支援向量機，以及非監督式學習－K-means分群與階層式分群。
．使用TensorFlow建立神經網路進行運算，實作前向傳播算法與反向傳播算法的運算過程。
．介紹卷積神經網路的概念與運算過程，並使用TensorFlow 建立卷積神經網路進行運算。

chapter 1　開發環境介紹
　1-1 安裝 Anaconda
　1-2 使用 conda 啟用虛擬環境與安裝套件
　1-3 在 Windows 啟用 Jupyter Notebook
　1-4 Jupyter Notebook 的快速鍵
　1-5 使用 Google Colab 執行 Python 程式

chapter 2　Pandas 與 Numpy 簡介
　2-1 Pandas 的 Series
　2-2 Pandas 的 DataFrame
　2-3 NumPy的重要功能

chapter 3　線性迴歸
　3-1 線性迴歸的運作原理
　3-2 使用 sklearn 實作線性迴歸
　3-3 線性迴歸模型實作範例
　3-4 習題

chapter 4　邏輯迴歸
　4-1 邏輯迴歸的運作原理
　4-2 使用 sklearn 實作邏輯迴歸
　4-3 邏輯迴歸模型實作範例
　4-4 習題

chapter 5　決策樹
　5-1 決策樹的運作過程
　5-2 使用 sklearn 實作決策樹
　5-3 決策樹模型實作範例
　5-4 習題

chapter 6　K-近鄰演算法
　6-1 K-近鄰演算法的運作過程
　6-2 使用 sklearn 實作 K-近鄰演算法
　6-3 K-近鄰演算法模型實作範例
　6-4 習題

chapter 7　支援向量機
　7-1 支援向量機演算法的運作過程
　7-2 使用 sklearn 實作支援向量機
　7-3 支援向量機模型實作範例
　7-4 習題

chapter 8　K-means 分群
　8-1 K-means 分群的運作過程
　8-2 使用 sklearn 實作 K-means 分群
　8-3 使用 K-means 分群實作範例
　8-4 習題

chapter 9　階層式分群
　9-1 階層式分群的運作過程
　9-2 使用 sklearn 實作階層式分群
　9-3 階層式分群實作範例
　9-4 習題

chapter 10　神經網路
　10-1 神經網路的神經元
　10-2 線性可分割與非線性可分割
　10-3 神經網路的運作
　10-4 使用 keras 實作神經網路
　10-5 激勵函式
　10-6 Loss 函式
　10-7 學習率與優化器
　10-8 使用手寫數字辨識為範例
　10-9 習題

chapter 11　卷積神經網路
　11-1 卷積神經網路模型運作原理
　11-2 使用 keras 實作卷積神經網路
　11-3 卷積神經網路實作範例
　11-4 習題


chapter 12　使用 Cifar-10 圖庫訓練卷積神經網路
　12-1 使用卷積神經網路辨識 Cifar-10 圖庫
　12-2 使用更複雜的卷積神經網路辨識 Cifar-10 圖庫
　12-3 習題

chapter 13　預先訓練的模型
　13-1 使用 VGG16 辨識圖片
　13-2 顯示 VGG16 模型的組成
　13-3 習題

chapter 14　中文文字分析與中文語音相關功能實作
　14-1 使用 Spacy 分析中文句子
　14-2 使用 Spacy 找出最相似的五個新聞標題
　14-3 實作語音辨識與文字轉語音功能
　14-4 習題