本書從人工智能基礎理論出發，介紹機器學習算法和相關數學模型，然后再介紹人工智能理論在非常規油氣資源開采及礦產資源開發的應用，涵蓋深部儲層精細刻畫、智能監測、施工優化、安全預警等領域。本書可作為高校教學用書和科研參考用書，適用于石油、礦業等能源領域以及土木、力學等工程領域。
目錄：
第一章 機器學習基礎
第一節 引言
1.1.1 機器學習類別
1.1.2 機器學習庫
1.1.3 機器學習工作流
第二節 數據預處理
1.2.1 數據分割：訓練、驗證和測試數據集
1.2.2 數據加載——讀取不同數據類型
1.2.3 特征工程
1.2.4 超參數優化
第三節 監督學習
1.3.1 k-近鄰算法 (k-Nearest Neighbors, k-NN)
1.3.2線性模型
1.3.3 支持向量機
1.3.4 決策樹
1.3.5 Bagging 與 Boosting
1.3.6 決策樹集成
1.3.7 人工神經網絡簡介
1.3.8 高斯樸素貝葉斯分類
1.3.9 線性判別分析（LDA）
第四節 無監督學習
1.4.1 聚類
1.4.2 降維
第五節 半監督學習
1.5.1自訓練
1.5.2協同訓練
1.5.3 半監督聚類
1.5.4 生成式半監督學習
第六節 強化學習
1.6.1 模型自適應強化學習
1.6.2 模仿學習
第七節 模型評估
1.7.1交叉驗證
1.7.2評估指標
1.7.3二分類指標
1.7.4回歸指標
習題
新書資訊