本書共10章，涵蓋的主要內(nèi)容：機器學習概述；為什么機器學習需要概率論；概率的定義；集合和事件；獨立性；概率的性質(zhì)；常見的計算概率方法；離散型和連續(xù)型概率分布；離散型和連續(xù)型概率分布的期望值、方差與標準差；幾種常見的離散型和連續(xù)型概率分布；條件概率；聯(lián)合概率；邊緣概率；貝葉斯理論；隨機過程簡介；馬爾可夫鏈；隱馬爾可夫模型；高斯過程；常見的機器學習Python庫；機器學習分類算法和回歸算法簡介；概率論在分類算法和回歸算法中的應(yīng)用；常見的分類算法和回歸算法；強化學習簡介；有趣的機器人游戲；GAN；圖片風格轉(zhuǎn)換。