❶先使用套件現成類別與函式
❷ 再認識演算方法理論與推導
❸ 最後使用自行定義類別重現

本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程(台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程)教材整合編修而成。

《三大重點》
❶ 先使用套件現成類別與函式
☛NumPy 的 N 維陣列操作與運算
☛物件導向風格的 Matplotlib 視覺化
☛Scikit-Learn 的五個核心理念
☛Keras 的模型建立步驟

❷ 再認識演算方法理論與推導
☛均方誤差函式
☛梯度遞減演算方法
☛交叉熵函式
☛前向傳播與反向傳播

❸ 最後使用自行定義類別重現
☛正規方程類別
☛梯度遞減類別與 AdaGrad 類別
☛羅吉斯迴歸類別
☛深度學習類別

CHAPTER 2 數列運算
CHAPTER 3 資料探索
CHAPTER 4 機器學習入門
CHAPTER 5 數值預測的任務
CHAPTER 6 類別預測的任務
CHAPTER 7 表現的評估
CHAPTER 8 深度學習入門
APPENDIX A pyvizml.py