本书是一本在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。  本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。 本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。最后，本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理（NLP）的大型transformer。 无论是机器学习入门新手，还是计划跟踪机器学习进展的研发人员，都可以将本书作为使用Python进行机器学习的不二之选。  学完本书，你将能够：  探索机器从数据中“学习”的框架、模型和方法。  使用Scikit-Learn实现机器学习，使用PyTorch实现深度学习。  训练机器学习分类器分类图像、文本等数据。  构建和训练神经网络、transformer及图神经网络。  探索评估和优化模型的最佳方法。  使用回归分析预测连续目标结果。  使用情感分析深入地挖掘文本和社交媒体数据。