《机器学习:理论与实践》介绍了机器学习中最流行的方法。本书涵盖了回归(包括正则化)、基于树的方法(包括随机森林和增强树)、人工神经网络(包括卷积神经网络)、强化学习和专注于聚类的无监督学习。主题以概念的方式以及必要的数学细节介绍。解释清楚明了，用数字和例子加以说明。对于所讨论的每一种机器学习方法，本书都提供了R编程语言的适当库以及编程示例。 以一种适合高级本科生或刚开始学习的研究生，以及希望自学机器学习的数学和/或面向编程的个人的方式，提供了常用机器学习算法的易于阅读的介绍。
涵盖讨论的机器学习算法的数学细节，以确保详实的理解，使进一步的探索成为可能。 给出了合适的编程示例，从而确保对机器学习方法的概念、理论和实践理解。这本书的目的主要是介绍机器学习的基本主题先进的本科生和开始研究生。题目的数量被控制在很小的范围内，以便在一个学期或一个季度内涵盖所有内容。在短时间内所能教授的内容范围内，这些主题覆盖得很深入。因此，这本书可以为学生阅读高级书籍和研究论文提供基础。