本书共分13章，大致可以分为4个部分：第1部分(第1~3章)重点介绍机器学习/深度学习的基础概念；第2部分(第4~5章)介绍机器学习/深度学习的3大类基本问题，即分类、回归和聚类问题，并简要介绍浅层机器学习的若干常见方法作为铺垫；第3部分(第6~7章)为深度学习中的重要基础性知识，即神经网络的优化方法和感知机模型；第4部分(第8~13章)为深度学习的主要常见模型与方法，包括建模序列数据的神经网络卷积神经网络、预训练方法、图神经网络、生成式神经网络、从强化学习到深度强化学习等。