本书结合大量实例详细介绍机器学习的相关算法原理并利用Python语言进行实践，内容涵盖机器学习的完整知识体系和深度学习的基础知识，如多层感知器和卷积神经网络等。本书除了项目实战外的各章均提供大量习题并给出参考答案和解题代码。通过阅读本书，读者可以较为全面、系统地掌握机器学习和深度学习的相关知识。本书共18章，分为3篇。第1篇机器学习基础知识，主要介绍机器学习的基本概念、机器学习的基本流程与模型、搭建机器学习环境并进行应用实践、基于Azure的机器学习云平台搭建等相关知识；第2篇机器学习核心技术，主要介绍模型训练的数学原理、多样性特征解析、数据标准化与特征筛选、贝叶斯分类器、广义线性模型、支持向量机、决策树、人工神经网络、集成学习、模型的正则化、模型的评价与选择、无监督学习（如K-Means聚类、GMM聚类、谱聚类、密度聚类等）；第3篇机器学习项目实战，采用行人检测和厨余垃圾处理的指标预测两个典型案例，带领读者进行项目实战，提高读者的实际开发水平。本书内容丰富，讲解循序渐进，适合机器学习的入门与进阶人员阅读，也适合人工智能领域的开发者和爱好者阅读，还适合高等院校人工智能等相关专业作为教材，相关培训机构也可作为培训教材。