本書內容覆蓋了機器學習領域從理論到實踐的多個課題，總共分為10章。第1章為導論，介紹機器學習的背景、定義和任務類型，構建機器學習應用的步驟，以及開發機器學習工作流的方式。第2章詳細介紹數據預處理和特征工程，并輔以實例進行驗證。第3～6章介紹回歸模型、分類模型、模型融合、聚類模型，這些內容是機器學習理論和實踐中的傳統重點。其中不僅介紹對各種常見數據類型的處理方法，還針對刪失數據進行了專門的綜述和實踐。第7章介紹機器學習領域較難的圖計算，并從工業界視角解讀如何將圖計算落地。第8章針對特征工程、建模過程中大量調參的場景介紹自動機器學習的理論和應用，并細致比較和測試了各種自動特征工程算法在不同數據上的表現。第9章介紹自然語言處理（詞向量、序列標注、關鍵詞抽取、自動摘要和情感分析），使用新聞文本數據搭建文本分類的流程。第10章介紹計算機視覺中圖像分類和目標檢測的應用以及落地案例（車輛檢測）。