本书对机器学习与系统辨识的基础理论和前沿知识进行了梳理,使自动控制领域的学者和工程师既能够深刻理解机器学习和系统辨识的有关内容，又能够了解它们的异同和互补关系，为进一步科研和工程实践提供有力支撑。本书分为两篇，共10章。第一篇为机器学习部分，讲解经典的监督学习方法、无监督学习方法和集成学习方法，以及较为前沿的深度学习方法，使学生能够掌握机器学习的基础理论和前沿知识。第二篇为系统辨识部分，聚焦线性系统辨识、非线性系统辨识、盲系统辨识、图模型辨识及闭环系统辨识等内容。
本书可作为高等学校自动化类、机械类、计算机类、电气类等相关专业本科生、研究生的教材，也可供从事机器人工程、人工智能相关工作的社会学习者参考。
