本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

目录

第1章Python基础实践

实践一： 海量文件遍历

实践二： 简单计算器实现

实践三： 图像直方图统计

实践四： 文本词频分析

第2章数据爬取与分析

实践五： 明星图片爬取

实践六： 股票行情爬取与分析

实践七： 科比职业生涯数据爬取与分析

第3章机器学习基础实践

实践八： 基于线性回归实现房价预测

实践九： 基于逻辑回归模型实现手写数字识别

实践十： 基于朴素贝叶斯实现文本分类

实践十一： 基于支持向量机实现鸢尾花分类

实践十二： 基于Kmeans实现鸢尾花聚类

第4章神经网络基础实验

实践十三： 基于全连接神经网络实现房价预测

实践十四： 基于全连接神经网络实现宝石分类

实践十五： 基于高层API实现宝石分类

第5章计算机视觉基础实验

实践十六： 图像数据预处理实践

实践十七： 基于卷积神经网络实现美食分类

实践十八： 基于VGG16实现中草药分类

实践十九： 基于ResNet50实现CIFAR10数据集分类

第6章自然语言处理基础实验

实践二十： 文本数据处理实践

实践二十一： 基于CBOW实现Word2Vec

实践二十二： 基于Skipgram实现Word2Vec

实践二十三： 基于循环神经网络实现情感分类

实践二十四： 基于LSTM实现谣言检测

实践二十五： 基于GRU实现情感分类

第7章深度学习前沿应用

实践二十六： 目标检测

实践二十七： 图像风格迁移

实践二十八： 图像分类FineTuning

实践二十九： 文本审核

实践三十： 文本生成

实践三十一： 文本分类FineTuning

参考文献