本书以scikit-learn和Keras框架作为实战平台,讲解了传统机器学习的主流技术和*深度学习的研究成果。其中,"*篇 传统机器学习”包括第1~10章,介绍了机器学习概念、监督学习算法(回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机)、无监督学习算法(神经网络、聚类、降维);"第二篇 深度学习”包括第11~15章,介绍了深度学习的概念、卷积神经网络、循环神经网络、生成对抗网络和强化学习等。 本书的编写旨在体现"做中学”理念,读者在学习初期不必过多纠缠于算法理论,而是通过实际案例快速入门,进而激发兴趣,自主完善理论学习,*终顺利跨入人工智能的**。本书可以作为高校数据科学与大数据技术、人工智能等专业的教材,也可以作为致力于开展人工智能研究的读者快速入门的参考资料。