本书辅助读者设计、构建和交付成功的机器学习项目的核心原则和实践。在阅读本书的过程中，读者将发现软件工程技术，例如对原型进行实验和实施模块化设计，从而产生弹性架构和一致的跨团队沟通。基于作者丰富的经验，书中的每一种方法都可用于解决实际项目。书中根据使用预期和预算确定机器学习项目的范围，为设计选择正确的技术，使代码库更易于理解、可维护和可测试，并提供了能够自动化故障排查和日志记录的实践。 作者运用丰富的经验，介绍了他用于构建可部署和可维护的生产机器学习系统的个人技术工具箱。读者将了解敏捷方法论对于快速原型设计和与利益相关者协商的重要性，同时对规划的重要性产生新的认知。采用完善的软件开发标准将帮助读者提供更好的代码管理，且更容易测试、扩展甚至重用机器学习代码。每种方法都以友好的点对点风格进行解释，并使用可用户生产的源代码进行说明。 本书适用于了解机器学习和面向对象编程基础知识的数据科学家。