本书介绍了实证机器学习的基础理论以及在自主异常检测、自主数据划分、自主分类、自主学习等不同领域的优选方法、方法论、模型、流程和技术。涉及多种优选人工智能技术，可应用于图像处理、自然语言处理、生物信息学、智能机器人、航天系统等诸多领域。
第1篇理论背景
第1章绪论
1.1动机
1.2从手工到自主
1.3从以假设为中心到以数据为中心的
1.4从离线到在线和动态进化
1.5解释性、透明度、拟人特性
1.6提出方法的原理和步骤
1.7本书结构
参考文献
第2章统计机器学习
2.1概率论简介
2.1.1随机性和确定性
2.1.2概率质量和密度函数
2.1.3概率矩
2.1.4密度估计方法
2.1.5贝叶斯方法和概率论的其他分支
……
