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。