Το βιβλίο αυτό αποτελεί μια αυτοτελή εισαγωγή στη Μηχανική Μάθηση με Python, σχεδιασμένη για φοιτητές που έρχονται σε πρώτη επαφή με το πεδίο, αλλά και για επαγγελματίες που θέλουν να συστηματοποιήσουν την εμπειρία τους.

Καλύπτει τους κλασικούς αλγορίθμους επιβλεπόμενης μάθησης (γραμμική και λογιστική παλινδρόμηση, kNN, SVM, δέντρα αποφάσεων, μεθόδους συνόλου), τη μη επιβλεπόμενη μάθηση (ομαδοποίηση, μείωση διαστάσεων, ανίχνευση ανωμαλιών), την επεξεργασία φυσικής γλώσσας και τη Βαθιά Μάθηση με συνελικτικά δίκτυα και ακολουθιακά μοντέλα (RNN και Μετασχηματιστές), καθώς και τη συστηματική μεθοδολογία αξιολόγησης και επιλογής τους. Τα παραδείγματα αναπτύσσονται με τις βιβλιοθήκες scikit-learn, NumPy, pandas, matplotlib, TensorFlow/Keras και PyTorch.

Κάθε κεφάλαιο συνοδεύεται από αναλυτικά παραδείγματα και ασκήσεις αυτοαξιολόγησης με πλήρεις σχολιασμένες λύσεις. Το βιβλίο κλείνει με έξι ολοκληρωμένες εφαρμογές που συνθέτουν την ύλη σε ρεαλιστικά σενάρια.