唐宇迪，計算機專業博士，網易雲課堂人工智能認證行家，51CTO學院講師，CSDN博客專家、講師。擁有多年人工智能領域培訓經驗，帶領課程研發團隊累計開發AI課程60餘門，覆蓋當下人工智能熱門領域
該書結合了機器學習、數據分析和 Python 語言，通過案例以通俗易懂的方式講解了如何將算法應用到實際任務。 全書共 20 章，大致分爲 4 個部分。第一部分介紹了 Python 的工具包，包括科學計算庫 Numpy、數據分析庫 Pandas、可視化庫 Matplotlib；第 2 部分講解了機器學習中的經典算法，例如迴歸算法、決策樹、集成算法、支持向量機、聚類算法等；第 3 部分介紹了深度學習中的常用算法，包括神經網絡、卷積神經網絡、遞歸神經網絡；第 4 部分是項目實戰，基於真實數據集，將算法模型應用到實際業務中。
該書適合對人工智能、機器學習、數據分析等方向感興趣的初學者和愛好者。
該書的推薦學習路線圖：
《Python數據分析與機器學習實戰-唐宇迪》讀書筆記第1 章--機器學習概念、入門環境
1.1機器學習的應用領域：
2、機器學習流程：
一般來說，機器學習流程大致分爲以下幾步：
第①步：數據收集與預處理。例如，新聞中會摻雜很多特殊字符和廣告等無關因素，要先把這些剔除掉。除此之外，可能還會用到對文章進行分詞、提取關鍵詞等操作，這些在後續案例中會進行詳細分析。
第②步：特徵工程，也叫作特徵抽取。例如，有一段新聞，描述“科比職業生涯畫上圓滿句號，今天正式退役了”。顯然這是一篇與體育相關的新聞，但是計算機可不認識科比，所以還需要將人能讀懂的字符轉換成計算機能識別的數值。這一步看起來容易，做起來就非常難了，如何構造合適的輸入特徵也是機器學習中非常重要的一部分。
第③步：模型構建。這一步只要訓練一個分類器即可，當然，建模過程中還會涉及很多調參工作，隨便建立一個差不多的模型很容易，但是想要將模型做得完美還需要大量的實驗。
第④步：評估與預測。最後，模型構建完成就可以進行判斷預測，一篇文章經過預處理再被傳入模型中，機器就會告訴我們按照它所學數據得出的是什麼結果。
1.3環境配置：
1）推薦下載Anaconda集成環境。
下載對應版本安裝即可。集成jupyter notebook、spyder等。注意修改爲清華的鏡像，參考：https://www.cnblogs.com/downmoon/p/12447551.html
不過，邀月個人還是鍾愛Eclipse，畢竟多開發語言環境。
如果還有個別包無法使用pip install，可以在這裏嘗試下載whl。https://www.lfd.uci.edu/~gohlke/pythonlibs/
2）jupyter notebook
一個非常適合教學的工具。
如果安裝或配置方面有什麼問題，可以參考這裏：https://www.cnblogs.com/downmoon/p/12598135.html
1.4其他資源 ：
Github:https://github.com/
GitHub提供了非常豐富的開源項目和代碼。
kaggle社區：https://www.kaggle.com/
其內容都是和數據科學相關的，大家可以把它當成一個競賽站點，不僅包括各行各業的數據集，而且還有各路大神的解決方案。
本章小結：本章從整體上介紹了Python和機器學習的學習路線，該書所使用的環境只需一個Anaconda即可搞定。
第1章完。
該書資源下載，請至異步社區：https://www.epubit.com