本书与机器学习和深度学习相关，向读者讲述了如何建立一个数据集，并展示了如何使用该数据集训练一个成功的深度学习模型。此后，本书探讨了经典的机器学习算法，为探讨深度学习方法理论奠定基础。本书最后4章探讨了卷积神经网络，从案例研究出发，讲解如何从数据集到评估预测模型的方法。这些章节中的实验使用的都是本领域研究人员熟悉的标准数据集。同时，本书介绍了如何通过当前实践的标准来调整和评估机器学习模型的性能。 本书不仅为读者提供扎实的概念基础，还为读者设计自己的项目和解决方案提供了实用的指导，适用于探索机器学习和深度学习领域的新手和业余爱好者。本书也可以帮助读者为探索更高级的方法和算法提供知识储备。

罗恩·克努斯（Ronald T. Kneusel）于2016年获得了科罗拉多大学博尔德分校的机器学习博士学位，拥有超过20年的机器学习行业经验。罗恩在Springer出版社发行过两本著作：《数字计算机》和《随机数字和计算机》。