本书首先介绍了人工智能、智能软件以及机器学习解决方案的基本步骤等基础知识；接着重点介绍了ML.NET库，包括数据处理、训练及评估功能，并总览了ML.NET库支持的全部机器学习任务；还研究了神经网络，列举了一系列可以通过训练来解决现实问题的算法；最后介绍了通过Azure云平台提供的有价值的运行时服务，同时探讨了机器学习长期的商业愿景。全书内容丰富、层次分明、视角独特，包含大量使用ML.NET库编写的机器学习场景示例，秉承软件开发的理念，以通俗易懂的方式完整且系统地介绍了机器学习所涉及的数据科学及软件开发技能，可以迅速帮助软件开发人员（或数据科学家）掌握数据科学及机器学习技能（或软件开发知识）。

迪诺·埃斯波西托（Dino Esposito），在程序开发领域拥有超过25年的经验，14次被评为微软最有价值专家（MVP），撰写了20多本书，包括畅销书Microsoft.NET： Architecting Applications for the Enterprise，连续22年为《MSDN杂志》撰写专栏，并经常为微软及全球各类企业的程序开发人员做培训。目前担任BaxEnergy公司的数字战略师，专注于智慧城市和智慧能源等领域。

译者序
前言
致谢
作者简介
第一部分 机器学习基础
第1章 人类是如何学习的
1.1 迈向思考型机器
1.1.1 机器推理的曙光
1.1.2 哥德尔不完备定理
1.1.3 计算机的形式化
1.1.4 迈向人类思想的形式化
1.1.5 人工智能学科的诞生
1.2 学习机理
1.2.1 到底什么是智能软件
1.2.2 神经元是如何工作的
1.2.3 胡萝卜加大棒法（软硬兼施）
1.2.4 应变能力
1.3 人工智能的形式
1.3.1 原始智能
1.3.2 专家系统
1.3.3 自治系统
1.3.4 人工的情感形式
1.4 本章小结
第2章 智能软件
2.1 应用人工智能
2.1.1 软件智能的发展
2.1.2 专家系统
2.2 通用人工智能
2.2.1 无监督学习
2.2.2 监督学习
2.3 本章小结
第3章 映射问题和算法
3.1 基本问题
3.1.1 对象分类
3.1.2 结果预测
3.1.3 对象分组
3.2 更复杂的问题
3.2.1 图像分类
3.2.2 目标检测
3.2.3 文本分析
3.3 自动机器学习
3.3.1 AutoML平台的特性
……
第二部分 .NET中的机器学习
第三部分 浅层学习基础
第四部分 深度学习基础
第五部分 思考