本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。

你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。

最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。

你將學會：
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構

Giuseppe Bonaccorso

Giuseppe Bonaccorso 是具備12年經驗的機器學習與大數據顧問，擁有義大利University of Catania電機工程學碩士，與義大利University of Rome，Tor Vergata和英國University of Essex的畢業後研究經驗。曾在各種商業領域擔任IT工作，包括公共行政、軍事、公用事業、保健、診斷與廣告，也曾經使用許多技術來開發與管理各種專案，包括Java、Python、Hadoop、Spark、Theano與TensorFlow。他的主要興趣是人工智慧、機器學習、資料科學與心靈哲學。