本书介绍了机器学习中增长最快的研究领域之一――元学习。元学习研究通过调整机器学习和数据挖掘过程，获得高效模型和解决方案的有原则的方法。这种调整通常会利用来自其他任务的过去经验，且自适应过程可以涉及机器学习方法。涵盖了基本概念和架构、评估、数据集、超参数优化、集成方法和工作流，还介绍了如何利用这些知识来选择、组合、组合、适应和配置算法和模型，从而为数据挖掘和数据科学问题提供更快、更好的解决方案。因此，它可以帮助开发人员开发能够通过经验自我改进的系统。