机器学习（Machine Learning，ML）是人工智能的一个分支，它是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习方法可以根据经验数据自动完成模型参数学习，而不需要人为设定规则，大幅降低了人工分析的工作量和难度，已成为目前解决人工智能相关问题的主要方式。本书由西北民族大学数学与计算机科学学院的教师结合多年教学经验和人工智能教育的发展需要编著而成，可作为我国高校计算机专业学生和非计算机专业理工科学生机器学习入门课程的教材。本书从案例出发，融入课程思政，通过具体问题向读者直观展示了利用机器学习方法解决实际问题的详细步骤，同时给出了相应算法的理论分析和推导过程，力争使读者在有限时间内快速掌握典型机器学习方法。我们也提供了一些机器学习的理论分析和推导过程，使对机器学习理论有兴趣的读者能够对相关知识有一个初步认识和掌握，为读者学习更深层次的机器学习理论打下了一个良好的基础。内容包括回归分析、聚类分析、贝叶斯分类器、数据降维、支持向量机、人工神经网络、卷积神经网络、循环神经网络、生成对抗网络、强化学习、对比学习等。