本教材內(nèi)容包括機器學習概述、機器學習開發(fā)環(huán)境安裝及使用，以及8個預測任務(涵蓋監(jiān)督學習、無監(jiān)督學習、集成學習、深度學習等知識點)。在內(nèi)容的選取上，本教材突出數(shù)據(jù)的多樣性、方法的代表性和繼承性，通過豐富的機器學習任務深入淺出地介紹機器學習技術在現(xiàn)實生活中的應用和實踐。本教材共有10章，第1-2章是實施機器學習任務前的概念介紹和環(huán)境準備，第3-8章結(jié)合案例介紹K-最近鄰、線性回歸和邏輯回歸、決策樹、貝葉斯模型、支持向量機、K-平均值等機器學習算法及模型，第9、10章分別介紹了結(jié)合多分類器的集成學習方法和源自神經(jīng)網(wǎng)絡模型的深度學習算法。從第3章開始，每章至少包含3個案例，涵蓋數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、模型訓練、模型評估、結(jié)果可視化等大數(shù)據(jù)和人工智能技術。本教材提供豐富多樣的機器學習任務，借鑒企業(yè)項目開發(fā)的工作流程，采用JupyterLab融合注釋、代碼和運行結(jié)果，圖文并茂地介紹機器學習任務的編碼過程。在編碼過程中，涉及機器學習概念、公式及注意事項的詳細講解。本教材適用于高職高專院校大數(shù)據(jù)和人工智能專業(yè)開展任務驅(qū)動式教學，也可作為機器學習初學者的啟蒙資料。