本书是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书, 同时还介绍了非常经典的综合案例, 除了编写机器学习的代码, 还编写了深度学习的代码。本书一共分为两部分。第一部分为数学基础知识部分, 包含8个章节, 介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学知识点对应的Python编程实例。通过这些实例, 读者能够了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相应的库函数的应用。第二部分为案例部分, 包含4个章节, 介绍了微积分、线性代数和概率统计问题的建模方法、求解流程和编程实现, 以及工业生产领域的Python实战, 包含了机器学习算法和深度学习PyTorch框架的应用。在学习本书内容前, 建议读者先掌握基本的Python编程知识和数学基础, 然后将本书通读一遍, 了解本书的大概内容, 最后再跟着实例进行操作。