近些年机器学习发展迅猛，早已从科研领域延伸到了商业领域，新技术和新应用不断涌现，其中Python语言光芒难掩。越来越多的开发者和研究人员选择了Python，Python也助推了机器学习和数据科学的发展。

本书是基于Python的机器学习指南，全面介绍了各种强大的机器学习技术，不仅清晰阐释了基本的算法和概念，而且运用丰富的Python代码示例展示了各种复杂算法的实现与应用，此外还介绍了如何使用流行的机器学习库和框架。对于想要了解数据科学领域中的新进展，以提高自身技能的Python开发人员、分析师和数据科学家来说，本书值得一读。

- 利用无监督学习技术识别数据集的内在模式与结构
- 掌握受限玻尔兹曼机和深度信念网络的工作原理
- 使用堆叠降噪自编码机构建深度架构
- 应用卷积神经网络解决图像分类问题
- 学习CPLE、自学习和S3VM等半监督学习技术
- 运用强大的特征工程技术提升模型性能
- 使用集成技术提升深度学习模型的效率
- 介绍Lasagne、TensorFlow等机器学习工具

约翰·哈蒂（John Hearty），数据科学家，数据科学和架构工程领域咨询专家，曾为微软、世嘉等公司提供咨询服务，致力于将机器学习前沿技术付诸实践，热衷于用Python构建机器学习解决方案。现任职于NuData Security公司。