本書以任務(wù)為導(dǎo)向，討論了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的主要問題，包括聚類、回歸、分類、標(biāo)注、降維、特征工程、超參數(shù)調(diào)優(yōu)、序列決策（強(qiáng)化學(xué)習(xí)）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(luò)類模型三個角度來討論具體的實(shí)現(xiàn)算法。
　　本書在內(nèi)容上兼顧基礎(chǔ)知識和應(yīng)用實(shí)踐。總體上，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(guān)聯(lián)性，最后落實(shí)到機(jī)器學(xué)習(xí)擴(kuò)展庫和深度學(xué)習(xí)框架的具體應(yīng)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(dǎo)。
　　本書的特點(diǎn)是主要通過示例來討論相關(guān)模型，適合初學(xué)者入門使用。本書示例代碼采用Python 3程序設(shè)計語言編寫。傳統(tǒng)機(jī)器學(xué)習(xí)算法的應(yīng)用示例主要以Scikit�睱earn機(jī)器學(xué)習(xí)擴(kuò)展庫來實(shí)現(xiàn)，隱馬爾可夫模型示例用hmmlearn擴(kuò)展庫來實(shí)現(xiàn)，條件隨機(jī)場模型示例用CRF++工具來實(shí)現(xiàn)。深度學(xué)習(xí)算法的示例采用TensorFlow 2框架和MindSpore框架來實(shí)現(xiàn)。
　　本書適合計算機(jī)、人工智能及相關(guān)專業(yè)的學(xué)生使用，對于相關(guān)技術(shù)研究人員也有參考價值。