模式識別與機器學習系統(tǒng)介紹了模式識別與機器學習的基礎理論、模型與算法，同時兼顧了前沿知識的適當融入。本書以貝葉斯學習的思想貫穿始終，并適時與其他重要知識點（如支持向量機、深度學習）等進行交叉和關聯(lián)，便于讀者在形成良好知識體系的同時保持對整個領域知識的全面把握。
全書共14章和4個附錄，循序漸進地對模式識別與機器學習領域進行剖析。首先介紹貝葉斯學習基礎、邏輯回歸、概率圖模型基礎、隱馬爾可夫模型和條件隨機場，接著介紹支持向量機、人工神經(jīng)網(wǎng)絡與深度學習、高斯過程、聚類、主成分分析與相關的譜方法，最后介紹確定性近似推理、隨機近似推理和強化學習。附錄包括傳統(tǒng)的模式識別與機器學習方法近鄰法和決策樹，還有向量微積分和隨機變量的變換等與本學科方向強相關的重要知識點。
本書內容深入淺出，生動有趣，力求反映這一領域的核心知識體系和新的發(fā)展趨勢。每章內容都盡可能做到豐富完整，并附有思考與計算題，便于讀者對知識的鞏固和融會貫通。
本書適合作為本科生和研究生（碩/博）課程的教材，也可作為希望從事人工智能相關工作的科技工作者的自學參考書。