本书在理解算法如何工作和如何更好地调整模型之间架起一座桥梁。本书将帮助你掌握开发主要机器学习模型的技能，包括监督和无监督学习（其中包括线性/对率回归）、决策树、随机森林、梯度提升机（GBM）、神经网络、k均值聚类、主成分分析和推荐系统。 你将通过应用于文本挖掘的CNN、RNN和Word2vec接触到*新的深度学习，并学习相关理论和案例研究，如情感分类、欺诈检测、推荐系统和图像识别等，以便获得工业中使用的绝大多数机器学习算法的*佳理论和实践。除了学习算法，你还将接触到在所有主要云服务提供商上运行的机器学习模型。 本书适合从事AI行业的工程师，以及希望从事数据科学工作的IT人员阅读，并可以供数据科学家工作时参考使用。