本书针对近些年弱监督机器学习中的噪声标注学习问题进行了综述，系统地介绍了标注噪声的建模和估计方法及噪声标注情景下的学习算法设计方法。21世纪是数据的时代，一方面数据容量在快速增长，另一方面统计机器学习理论对数据标注的精准性有着严格要求，然而精准标注需要很多领域内的专家，消耗大量金钱和时间等资源。为了实现大规模数据的快速标注，以众包(crowd sourcing)和弱监督算法为代表的噪声标注即将成为大数据时代标注技术发展的趋势。在这种情景下，噪声标注数据对学习算法的鲁棒性和自适应性带来了前所未有的挑战。