本书是使用Python进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。 本书共9章，分别介绍了深度学习基础理论、神经网络基础知识、构建定制化深度预测模型、性能提升技术、二元分类的神经网络应用等内容，并借助Python语言对基本算法和实现模型进行了探

本书以Python为背景讲述编程，用示例强化理解、条分缕析Python工作原理，给出了经验总结及其语言特性的缘由和技巧。内容包括Python编程基础知识、如何独立编程、程序片段的功能及来由、创建实用和可重用代码、面向对象编程等。

本书没有基础的Python语言的入门内容，所以如果从未学习过Python的话，可能不适合阅读本书。 本书的主要内容分为四大部分： （1）Python开发程序的一些方法技巧，如虚拟环境管理、敏捷开发入门、单元测试等；（2）Python中的一些中级使用技巧，如列表生成式、多线程与多进程、Python程序性能分析等；（3）机器学习的基本概念和常用算法介绍，以及如何选择合适的算法；（4）一些使用Python进行建模和机器学习

本书由Pythonpandas项目的创立者WesMcKinney撰写，是一本实用、现代的Python数据科学工具读物，适合新入门的Python分析师和刚接触数据科学及科学计算的Python程序员。数据文件和相关材料在Github上可以获得。 *将IPythonshell和JupyterNotebook用于探索式计算 *学习NumPy(NumericalPython)的基础和高级特性 *通过pandas库中的数据