本书从机器学习的视角系统介绍了线性代数、最优化理论以及相关的机器学习示例和求解算法。具体来说，主要聚焦于线性代数及其应用和最优化理论及其应用两个主题。对于前者，侧重线性代数的基础知识以及它们在奇异值分解、矩阵分解、相似矩阵（核方法）和图分析等中的应用。诸如谱聚类、基于核的分类和异常值检测等机器学习方面的应用已被用作该书的示例,而后者从最优化理论的视角探究机器学习中最基础性的问题——最小二乘回归及其相关算法。本书每章正文和末尾均提供了大量习题。