資料科學的學習指引

“對任何想要使用Python開始機器學習的人，這本書是很棒且超實用的資源。真希望當我開始使用scikit-learn時有這本書！”
-Hanna Wallach, 微軟研究院資深研究員

機器學習已成為許多商業應用程式與研究專案的精華部分，但這個領域並不是大公司中規模龐大的研究團隊所獨有。就算是使用Python的初學者，這本書也能教會你實際的方法，來建立自己的機器學習解決方案。以現今可以取得的資料量來說，只要你能想到的，機器學習應用程式都能做到。

你將學習必要的步驟，使用Python和scikit-learn函式庫，來建立成功的機器學習應用程式。作者Andreas Müller和Sarah Guido聚焦於使用機器學習演算法的實務面向，而不是它們背後的數學。熟悉NumPy和matplotlib函式庫，將幫助你能從這本書獲益更多。

透過這本書，你將學到：
‧基本概念和機器學習應用程式
‧廣泛應用機器學習演算法的優點和缺點
‧使用機器學習如何重現資料，包含資料的重點面向
‧模型評估的進階方法和參數調整
‧對鏈結模型的pipeline概念和封裝工作流程
‧運作文字資料的方法，包含特定文字的處理技術
‧對改善機器學習和資料科學技巧的建議

Andreas Müller 在波昂大學取得機器學習的博士學位。畢業後在Amazon擔任電腦視覺應用程式的機器學習研究員，之後他加入紐約大學資料科學中心。他也是scikit-learn的維護者與核心貢獻者之一。

Sarah Guido 是長期在新創公司工作的資料科學家，最近在Bitly擔任首席資料科學家。Sarah從密西根大學取得資訊科學碩士。

前言
chapter 01 導讀
chapter 02 監督式學習
chapter 03 非監督式學習和前處理
chapter 04 資料重現和特徵工程
chapter 05 評估和改善模型
chapter 06 演算法 Chains 和 Pipelines
chapter 07 使用文字資料工作
chapter 08 尾聲
索引