100分=考勤20分（至少5次，每次4分）+ 试验80分（6次试验成绩，每次10分，一次试验考试20分）

　　本书体系地介绍了数据剖析和数据发掘的基础常识、典型的机器学习模型及运用Python完成数据发掘与机器学习的进程。本书将基础理论、模型运用以及项目实践充沛结合，有利于读者充沛把握与运用所学内容。

　　第1章数据剖析与发掘简介，包含Python数据剖析和发掘使命中重要的库与东西、Anaconda装置、Jupyter Notebook。

　　第2章爬虫，包含爬虫的根本流程、HTTP、装置PyCharm、运用举例。

　　第4章NumPy根本用法，包含NumPy创立数组、NumPy检查数组特点、数组的根本操作、NumPy运算、排序。

　　第6章Matplotlib根本用法，包含线型图、散点图、直方图、条形图、饼图、Seaborn、Pandas中的绘图函数。

　　第18章模型评价，包含分类评价、回归评价、聚类评价、Scikit-learn中的评价函数。

　　第19章初识深度学习结构Keras，包含关于Keras、神经网络简介、Keras神经网络模型、用Keras完成线性回归模型、用Keras完成鸢尾花分类、Keras方针函数、功能评价函数、激活函数阐明。

　　(1) 本书方针清晰，是为初学者量身定做的入门教程，内容体系全面，各章节彼此独立，读者能够依据自己的需求挑选运用。

　　(2) 本书面向运用型人才培养编写，将原理的叙说进行精简，易于了解，辅以Python代码进行实践与运用，使读者经过实例更好地了解和把握常识点。

　　为便于教与学，本书配有150分钟微课视频、源代码、数据集、教育课件、教育大纲、教育日历。

　　本书是一本针对喜好数据剖析与发掘、机器学习等相关常识的读者而编写的基础教程，特别适用于全国高等学校的教师、在读学生及相关范畴的喜好者。