本书比较系统地介绍和讨论机器学习的入门性基础理论与应用技术，首先比较详细地介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，系统地介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；最后，在详细探讨神经网络与深度学习基本理论的基础上，系统地介绍深度卷积网络、深度循环网络、生成式对抗网络等若干典型深度学习模型的基本理论与训练范式，分析讨论深度强化学习的基本理论与方法。本书站在高年级本科生和低年级硕士研究生的思维角度编写，尽可能用最朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够通过自己的努力就可以不太困难地掌握全书主要内容。本书内容丰富、思路清晰、实例讲解详细、图例直观形象，每章均配有一定数量习题，供读者练习，适合作为智能科学与技术、数据科学与大数据技术、计算机科学与技术以及相关专业的本科生或研究生机器学习入门性教材，也可供工程技术人员和自学读者学习参考。