使用 Python 程式語言實作機器學習基礎理論的入門書，均衡涵蓋程式套件應用與理論推導，透過本書讀者能夠按圖索驥，走出機器學習新手村，成功一轉！

❶ 先使用套件現成類別與函式

❷ 再認識演算方法理論與推導

❸ 最後使用自行定義類別重現

本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程 (台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程) 教材整合編修而成。

三大重點

❶ 先使用套件現成類別與函式

☛NumPy 的 N 維陣列操作與運算

☛物件導向風格的 Matplotlib 視覺化

☛Scikit-Learn 的五個核心理念

☛Keras 的模型建立步驟

❷ 再認識演算方法理論與推導

☛均方誤差函式

☛梯度遞減演算方法

☛交叉熵函式

☛前向傳播與反向傳播

❸ 最後使用自行定義類別重現

☛正規方程類別

☛梯度遞減類別與 AdaGrad 類別

☛羅吉斯迴歸類別

☛深度學習類別