本書通過概率建模和貝葉斯決策理論的統(tǒng)一視角，詳細(xì)地介紹了機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）。書中涵蓋了數(shù)學(xué)背景（包括線性代數(shù)和優(yōu)化）、基本監(jiān)督學(xué)習(xí)（包括線性回歸、邏輯回歸和深度神經(jīng)網(wǎng)絡(luò)），以及更高級的主題（包括遷移學(xué)習(xí)和無監(jiān)督學(xué)習(xí)）。章節(jié)末尾的練習(xí)讓讀者能夠應(yīng)用所學(xué)知識，附錄則涵蓋了符號說明。本書不僅僅是一個(gè)簡單的更新版本，更是一本全新的著作，反映了自2012年以來機(jī)器學(xué)習(xí)領(lǐng)域的巨大發(fā)展，尤其是深度學(xué)習(xí)方面的進(jìn)展。此外，本書還配有在線Python代碼，使用了scikit-learn、JAX、PyTorch和TensorFlow等庫，幾乎可以重現(xiàn)書中的所有圖表。這些代碼不需要本地安裝，它們可以在云端筆記本中運(yùn)行，這為書中討論的理論主題提供了實(shí)用的補(bǔ)充。