机器学习的目标是让计算机使用示例数据或过去的经验来解决给定的问题。机器学习是自动驾驶汽车、语音识别和翻译应用等令人兴奋的新技术的基础。这是一个全面的，广泛使用的机器学习教科书的实质性修订第四版，提供了在理论和实践领域的最新进展的新覆盖面，包括深度学习和神经网络的发展。这本书涵盖了广泛的主题，通常不包括在介绍性机器学习文本，包括监督学习，贝叶斯决策理论，参数方法，半参数方法，非参数方法，多元分析，隐马尔可夫模型，强化学习，核机器，图形模型，贝叶斯估计，统计检验。第四版提供了一个关于深度学习的新章节，讨论了训练、正则化和构造深度神经网络，如卷积和生成对抗网络;强化学习一章的新材料，涵盖了深度网络的使用，策略梯度方法和深度强化学习;关于自动编码器和word2vec网络的多层感知器一章的新材料;讨论了一种流行的降维方法t-SNE。新的附录提供了线性代数和优化的背景材料。章末练习帮助读者运用所学的概念。机器学习导论可用于高级本科生和研究生的课程，也可作为专业人员的参考。