全书共16章，分为4个部分：第壹部分工程基础篇（1～3）介绍了机器学习和软件工程的融合，涉及理论、方法、工程化的数据科学环境和数据准备；第二部分机器学习基础篇（4～5）讲述了机器学习建模流程、核心概念，数据分析方法；第三部分特征篇（6～8）详细介绍了多种特征离散化方法和实现、特征自动衍生工具和自动化的特征选择原理与实现；第四部分模型篇（9～16）首先，深入地剖析了线性模型、树模型和集成模型的原理，以及模型调参方法、自动调参、模型性能评估和模型解释等；然后，通过5种工程化的模型上线方法讲解了模型即服务；最后，讲解了模型的稳定性监控的方法与实现，这是机器学习项目的最后一环。