本書以任務為導向，討論了機器學習和深度學習的主要問題，包括聚類、回歸、分類、標注、降維、特征工程、超參數(shù)調(diào)優(yōu)、序列決策（強化學習）和對抗攻擊等。書中對上述每個問題，分別從決策函數(shù)類模型、概率類模型和神經(jīng)網(wǎng)絡類模型三個角度來討論具體的實現(xiàn)算法。
　　本書在內(nèi)容上兼顧基礎知識和應用實踐�？傮w上，以基本理論知識為主線，逐步展開，從概念入手，逐步討論算法思想，著重考慮知識的關聯(lián)性，最后落實到機器學習擴展庫和深度學習框架的具體應用。具體到每個模型，采用以示例入手、逐漸深入的方式，盡量給出詳盡的分析或推導。
　　本書的特點是主要通過示例來討論相關模型，適合初學者入門使用。本書示例代碼采用Python 3程序設計語言編寫。傳統(tǒng)機器學習算法的應用示例主要以Scikit�睱earn機器學習擴展庫來實現(xiàn)，隱馬爾可夫模型示例用hmmlearn擴展庫來實現(xiàn)，條件隨機場模型示例用CRF++工具來實現(xiàn)。深度學習算法的示例采用TensorFlow 2框架和MindSpore框架來實現(xiàn)。
　　本書適合計算機、人工智能及相關專業(yè)的學生使用，對于相關技術研究人員也有參考價值。