این کتاب، یادگیری ماشین، یکی از داغ‌ترین موضوعات برنامه‌سازی در سال‌های اخیر را پوشش می‌دهد. یادگیری ماشین (ML) مجموعه‌ای از الگوریتم‌ها و فنون مورد استفاده برای طراحی سیستم‌هایی است که از داده‌ها یاد می‌گیرند. این سیستم‌ها آنگاه می‌توانند الگوها را از داده‌های تأمین شده پیش‌بینی یا استنتاج کنند. این کتاب رویکرد آرامی به یادگیری ماشین دارد. سعی می‌شود موارد زیر انجام شود: - پوشش کتابخانه‌ها در پایتون که مبانی یادگیری ماشین را پایه‌گذاری می‌کنند؛ به‌طور مشخص، NumPy، Pandas، و matplotlib. - طرح یادگیری ماشین با استفاده از کتابخانه‌های پایتون و Sickit-learn. حتی‌المقدور، به‌صورت دستی الگوریتم یادگیری ماشین مربوط به‌صورت دستی پیاده‌سازی می‌شود. این امر به شما اجازه می‌دهد نسبت به نحوه کار الگوریتم‌های یادگیری ماشین در پس پرده، شناخت پیدا کنید. پس از انجام این کار، نحوه استفاده از کتابخانه‌های Sickit-learn نشان داده خواهد شد، که وارد کردن یادگیری ماشین به داخل اپ‌های شما را خیلی ساده می‌کند. - پوشش الگوریتم‌های رایج یادگیری ماشین؛ رگرسیون، خوشه‌بندی، و طبقه‌بندی. یادگیری ماشین در واقع یک موضوع خیلی پیچیده است. ولی به جای صحبت در مورد تئوری‌های ریاضی پیچیده پشت آن، پوشش از طریق مثال­های قابل فهم بوده و مراحل مختلف نمونه کدهای زیادی برای شما تشریح خواهد شد. این کتاب حاوی تعداد کدهای برنامه زیاد، خوانندگان را تشویق کرده که مثال­های متعدد در فصول مختلف را خودشان تمرین کرده، چون آنها مستقل و فشرده بوده، و دنبال کردن و فهمیدن آنها ساده است.