本书通过概率建模和贝叶斯决策理论的统一视角，详细地介绍了机器学习（包括深度学习）。书中涵盖了数学背景（包括线性代数和优化）、基本监督学习（包括线性回归、逻辑回归和深度神经网络），以及更高级的主题（包括迁移学习和无监督学习）。章节末尾的练习让读者能够应用所学知识，附录则涵盖了符号说明。本书不仅仅是一个简单的更新版本，更是一本全新的著作，反映了自2012年以来机器学习领域的巨大发展，尤其是深度学习方面的进展。此外，本书还配有在线Python代码，使用了scikit-learn、JAX、PyTorch和TensorFlow等库，几乎可以重现书中的所有图表。这些代码不需要本地安装，它们可以在云端笔记本中运行，这为书中讨论的理论主题提供了实用的补充。