近年来机器学习是一个热门的技术方向，但机器学习本身并不是一门新兴学科，而是多门学科的集合。此外，机器学习的理论发展日新月异，本书尽可能从整体上对机器学习的知识架构进行整理，其中涉及相关理论概念的代码实现，使理论与实践相联系。 本书分为4个部分：第1章至第3章主要介绍机器学习的概念、开发环境的搭建及模型开发的基本流程等；第4章至第7章涵盖回归、分类、聚类、降维的实现原理，以及机器学习框架Sklearn的具体实现与应用；第8章至第12章主要阐述深度学习，如卷积神经网络、生成性对抗网络、循环神经网络的实现原理，以及深度学习框架Keras的具体实现与应用；第13章简单介绍机器学习岗位的入职技巧。本书可作为机器学习入门者、对机器学习感兴趣的群体和相关岗位求职者的参考用书。