前言 PREFACE

人工智能技术的发展越来越迅速，已经渗透到现代人类的生活与工作中。人们经常接触的语音助手就是人工智能技术应用的一种。大数据技术作为人工智能技术的支撑，通过数据采集、处理、分析，从各行各业的海量数据中，获得有价值的信息，能够为人工智能算法提供素材。

机器学习技术作为人工智能技术的一部分，更是与大数据技术息息相关。通过标签将样本进行分类的有监督学习，无需标签就可以将样本划分为不同类型的无监督学习，以及能够进行自主迭代进化的强化学习，都离不开大数据技术的支持。

Python是时下流行的大数据与人工智能领域的编程语言之一，不仅汇集了pandas、NumPy、Matplotlib等大数据分析相关的类库，还提供了囊括分类、聚类、回归、深度学习、强化学习等机器学习方法的scikit-learn、TensorFlow、PyTorch、Caffe等类库，大大提升了人工智能领域的编程效率，降低了学习难度。所以，“Python程序设计”必将成为高校机器学习相关专业的重要课程之一。

本书内容

本书内容由浅入深，涵盖了Python基础、NumPy、Matplotlib、pandas、scikit-learn等内容。按照认知的规律，本书结构以总分总的形式为主，让读者先从整体上理解相关知识，辅以配套实例，验证与应用对应的知识，力争使读者实现理论与实践的双丰收。此外，为了使读者能够将所学知识融会贯通，本书准备了两个项目案例，期望通过案例的形式帮助读者加深对理论知识的理解，提升知识应用水平。

本书适用对象

●开设了机器学习相关课程的高校的教师和学生。

目前，国内不少高校将机器学习引入到了教学中，数学、计算机、自动化、电子信息、金融等相关专业都开设了与机器学习相关的课程，但这些课程将Python基础与机器学习割裂开来，不够系统的同时增加了学生的课业负担。本书将Python基础与机器学习常用编程库精炼整合起来，帮助读者在零基础的情况下快速学会机器学习编程。

●机器学习应用的开发人员。

机器学习应用开发人员的主要工作是将机器学习相关的算法应用于实际业务系统。本书提供了详细的机器学习接口用法与说明，能够帮助此类人员快速而有效地建立起数据分析应用的算法框架，以迅速完成开发。

●进行机器学习应用研究的科研人员。

科研人员理论知识丰富，但为了实现机器学习算法，需要花费大量时间进行研究。本书可以帮助此类人员快速实现能力提升。同时，本书也可为科研系统提供机器学习相关的功能支撑。

资源下载及问题反馈

为了帮助读者更好地使用本书，泰迪云课堂（https://edu.tipdm.org）提供了配套的教学视频。对于本书配套的原始数据文件、Python程序代码，读者可以从“泰迪杯”数据挖掘挑战赛网站（http://www.tipdm.org/tj/1612.jhtml）免费下载，也可登录人邮教育社区（www.ryjiaoyu.com）下载。为方便教师授课，本书还提供了PPT课件、教学大纲、教学进度表和教案等教学资源，教师可在网站http://www.tipdm.org/ tj/840.jhtml下载申请表，填写后发送至指定邮箱申请所需资料。

由于编者水平有限，书中疏漏和不足之处在所难免。如果您有宝贵意见，欢迎在泰迪学社微信公众号（TipDataMining）回复“图书反馈”进行反馈。本书的更多信息可以在“泰迪杯”数据挖掘挑战赛网站（http://www.tipdm.org/tj/index.jhtml）上查阅。

编者

2020年4月