本书在全面介绍人工智能中的机器学习、数据降维与特征工程以及文本分析等基本知识的基础上,先后着重介绍人工智能的决策树与分类算法、聚类分析、神经网络、贝叶斯网络、支持向量机及联邦学习,以及机器学习和深度学习的实现细节,并通过实际的应用来运用和实践各种算法模型。全书共分11章:第1章为机器学习绪论,主要介绍机器学习简史、人工智能与机器学习的关系以及各种经典的机器学习算法等;第2章为数据部分内容,着重讨论特征工程、模型训练、高维数据降维等;第3~10章为机器学习的具体模型算法内容,重点介绍决策树、聚类分析、文本分析、神经网络等实现细节;第11章为高级深度学习内容,着重为读者提供高阶的人工智能知识。全书提供了大量应用实例,每章后均附有习题。本书适合作为高等院校计算机类相关专业和人工智能专业高年级本科生、研究生的教材,同时可供对机器学习比较熟悉并且对人工智能建模有所了解的开发人员、广大科技工作者和研究人员参考。