本书共12章，内容涵盖基础理论、算法、模型评估、编程实践等多个方面，可分为以下3个部分。第1部分(包括第1、2章)：介绍了机器学习的背景与基础知识：第2部分（包括第3-8章)：讨论了儿种常用的传统机器学习算法，包括回归算法、决策树算法、支持向量机算法、贝叶斯算法、集成学习算法、聚类算法，还介绍了这些算法的应用：第3部分(包括第9-12章)：探讨了神经网络与强化学习的相关概念及应用，包含神经网络、深度学习、卷积神经网络、循环神经网络与强化学习。