本書用簡短的篇幅、精煉的語言，講授機器學習領域必備的知識和技能。全書共11章和一個術語表，依次介紹了機器學習的基本概念、符號和定義、算法、基本實踐方法、神經網絡和深度學習、問題與解決方案、進階操作、非監(jiān)督學習以及其他學習方式等，涵蓋了監(jiān)督學習和非監(jiān)督學習、支持向量機、神經網絡、集成學習、梯度下降、聚類分析、維度降低、自編碼器、遷移學習、強化學習、特征工程、超參數調試等眾多核心概念和方法。全書最后給出了一個較為詳盡的術語表。

本書能夠幫助讀者了解機器學習是如何工作的，為進一步理解該領域的復雜問題和進行深入研究打好基礎。本書適合想要學習和掌握機器學習的軟件從業(yè)人員、想要運用機器學習技術的數據科學家閱讀，也適合想要了解機器學習的一般讀者參考。

安德烈·布可夫（Andriy Burkov）是一位機器學習專家，目前居住于加拿大魁北克省。他擁有人工智能博士學位，尤其擅長自然語言處理技術。目前，他是高德納（Gartner）咨詢公司機器學習開發(fā)團隊的主管。該團隊的主要工作是，使用淺層和深度學習技術，開發(fā)可用于生產環(huán)境的、先進的多語言文字抽取和標準化系統。