本书以项目教学的方式，循序渐进地介绍机器学习的基本原理和具体应用的方法与技巧。本书共6个项目，主要包括机器学习的基本知识、Python学习入门、机器学习数据处理、Scikit-learn库、数据可视化、机器学习算法应用等内容。

本书实例丰富、内容翔实、操作方法简单易学，既可作为应用型本科院校、职业院校相关专业的教材，也可作为机器学习技术从业人员数字化转型的实操指南，同时适合机器学习技术爱好者拓展技能使用。

通过网盘分享的文件：《机器学习技术》（微课版）-课件.zip
链接: https://pan.baidu.com/s/1umUO1MlE_LRh_qtUmjpn2g?pwd=rd7b 提取码: rd7b
       通过网盘分享的文件：《机器学习技术》（微课版）-教案.docx
链接: https://pan.baidu.com/s/1Uy3dOF2-h005ndWMGNQw1A?pwd=38fv 提取码: 38fv

项目1 机器学习的基本知识 1
  任务1. 1 机器学习概述 2
  任务1. 2 机器学习算法 9
  任务1. 3 机器学习工具 20
项目2 Python 的基本知识 25
  任务2. 1 Python 的安装 26
  任务2. 2 集成开发环境PyCharm  31
  任务2. 3 Python 语法与程序结构 43
项目3 机器学习数据处理 61
  任务3. 1 NumPy 数据探索和预处理 62
  任务3. 2 Pandas 数据加载和预处理 88
项目4 Scikit-learn 库模型与数据预处理 116
  任务4. 1 Scikit-learn 库模型 117
  任务4. 2 数据预处理 126
项目5 模型训练优化与数据可视化 149
  任务5. 1 模型训练 150
  任务5. 2 数据可视化 159
  任务5. 3 超参数模型优化 174
项目6 机器学习算法应用 198
  任务6. 1 回归算法 199
  任务6. 2 分类算法 209
  任务6. 3 聚类算法 218
  任务6. 4 降维算法 222
  任务6. 5 深度学习算法 231
参考文献 242