本书主要分为两个部分。*部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；第二部分为第9章到第16章，探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
本书介绍了与人工智能密切相关的概率论与数理统计的内容。全书分成两大部分，第一部分主要介绍概率论的知识，涵盖概率论的基本概念、一维随机变量及其分布、二维随机变量及其分布，数字特征，大数定理和中心极限定理
