●第一章緒論
1.1機器學習發展簡史與概況
1.2機器學習的研究與應用現狀
1.3機器學習的相關問題
1.4機器學習的發展前景
第二章機器學習的數學基礎
2.1線性代數與矩陣分析基礎
2.1.1線性空間基礎
2.1.2範數
2.1.3矩陣運算及其分解
2.2概率與統計基礎
2.2.1概率分布
2.2.2數字特征
2.2.3估計理論基礎
2.2.4貝葉斯理論基礎
2.3優化理論基礎
2.3.1無約束很優化
2.3.2帶有約束條件的很優化
復習思考題
第三章機器學習基本知識
3.1機器學習的建模問題
3.1.1線性擬合（回歸）及建模問題
……

本書介紹了機器學習的基本算法、歷史發展、應用前景及相關問題。內容包括：機器學習所涉及的必要的數學知識，機器學習的基本模式和任務，神經網絡的基本理論及算法結構，分類與聚類學習算法，數據維度歸約的基本方法，圖理論及方法以及當前比較流行的機器學習理論和算法。本書在加深學生對經典機器學習方法理解的基礎上適當擴展其視野，以培養和提高其解決實際問題的能力。
本書可作為高等學校人工智能相關專業的教材，也適合該領域的工程技術人員參考使用。