本书理论和实践并重，强化算法思想讲解，既有理论的系统讲解、公式的详细推导，也有python代码实现的详细讲解，同时突出独立思、提出问题能力的培养。全书共9章，涵盖了机器学的基本内容，主要包括概述、离散变量与分类、连续变量与线回归、维数灾难与降维、k均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学、综合实验等。本书适用于本科生及的课程。模型和算法采用python从零实现，只依赖python、numpy和matplotlib，不依赖已有的机器学库，是学机器学的小知识集。本书可作为高等院校计算机类相关专业的“机器学”课程教材，也可作为对机器学感兴趣的读者的自学读物，还可作为相关行业技术人员的参用书。