本书全面介绍了机器学习的基础理论，数据处理和特征工程的技巧，以及深度学习算法，包括十二个章节及一章附录部分，其中第一部分为机器学习和表格数据部分包括第一章：经典的机器学习原理和方法，第二章：数据准备和特征工程；第二部分为应用深度学习架构，包括第三章：神经网络和表格数据，第四章：将卷积结构应用于表格数据，第五章：将循环结构应用于表格数据，第六章：将注意力应用于表格数据，第七章，基于树的深度学习方法；第三部分为深度学习设计及其工具，包括第八章：自编码器，第九章：数据生成，第十章：元优化，第十一章：多模型组合，第十二章：神经网络的可解释性。最后是附录部分介绍Numpy和Pandas包。