注：本书属作者免费翻译，如有版权问题，请联系我删除。如有转载，请注明出处。
本书内容简介：
第一章， 简要论述了计算机科学和应用程序的演化过程，让读者了解机器学习如此盛行的背景—也就是说，数字化技术是如何从数字计算大型机发展到个人电脑台式机，后来到可上网、可移动的智能化设备。
第二章， 介绍了机器学习的基础知识，通过一些简单的应用程序，我们详述了这些基础知识是如何模型拟合和统计学知识联系在一起的。
第三章， 大部分的机器学习算法都是监督学习。在这一章中，我们讲述了这样的算法如何在模式识别中运用的，如脸部识别和语音识别。
第四章， 讲述了受到人脑启发的人工神经网络，是如何学习的。在不同级别的抽象中，多层网络究竟能学习到那个层级。
第五章， 另一种机器学习算法是非监督学习，其目的是学习实例之间的联系。这一章中我们会讲述用户分类和学习推荐，以及常见的应用。
第六章， 强化学习，一个自主代理-例如自动驾驶汽车-会学习在一个环境中采取行动以得到最大化的回报并受到最少的惩罚。
第七章， 总结，讲述了机器学习未来发展的方向，以及“数据科学”的新领域，也包括高性能云计算。我们还会讨论道德和法律方面的问题，如数据隐私和数据安全。
这本书旨在简要介绍我们如今在机器学习方面正在做什么，我希望可以借此激发读者的兴趣，从而思考我们将来可以做什么。毫无疑问，机器学习是如今最激动人心的科学领域之一，它推动了各个领域的技术发展，生成了一批令人印象深刻的应用影响着各行各业。
感谢匿名评论者富有建设性的评语和建议。和麻省理工学院出版社一起工作一如既往的开心，感谢Kathleen Caruso,Kathleen Hensley和Marie Lufkin Lee的大力支持。