머신러닝을 실습하기 위해 필요한 수학적인 기초(벡터, 행렬, 배열)에 대한 내용이 포함되어 있어 수학적인 기초가 약한 분들도 쉽게 접근할 수있습니다.

데이터 적재, 데이터 랭글링, 수치형 데이터 다루기, 범주형 데이터 다루기, 텍스트 다루기, 날짜와 시간 다루기, 이미지 다루기 등 실제 머신러닝에 들어가지 전에 데이터 전처리를 위한 기법들이 충분히 다뤄지고 있습니다. 구체적으로 선형회귀,트리와 랜덤포레스트, 서포트 벡터 머신, 나이브 베이즈 등 대표적인 머신러닝 기법들이 실습과 함께 이해하기 쉽게 설명되어 있어 큰 도움이 되었습니다.

특히, 편집, 구성이 눈에 쉽게 들어오도록 되어 있어 가독성이 높은 편입니다.