机器学习是计算机科学发展最快的领域之一，有着广泛的应用。这本教科书的目的是以一种有原则的方式介绍机器学习和它提供的算法范例。这本书提供了一个基本的理论基础的机器学习和数学推导，将这些原则转化为实际的算法。在介绍了基础知识之后，这本书涵盖了以前教科书没有涉及到的一系列广泛的中心主题。这些包括讨论学习的计算复杂性和凸性和稳定性的概念;重要的算法范例包括随机梯度下降、神经网络和结构化输出学习;以及新兴的理论概念，如PAC-Bayes方法和基于压缩的边界。为高级本科生或刚开始的研究生设计，文本使学生和非专业读者在统计，计算机科学，数学和工程的机器学习的基础和算法。