本書旨在全面介紹分散式機器學習的現狀，深入分析其中的核心技術問題，並且討論該領域未來的發展方向。全書共12章。第1章是緒論，向大家展示分散式機器學習這個領域的全景。第2章介紹機器學習的基礎知識。第3章到第8章是本書的核心部分，向大家細緻地講解分散式機器學習的框架及其各個功能模塊。其中第3章給出整個分散式機器學習框架的綜述，而第4章到第8章則分別針對其中的數據與模型劃分模塊、單機優化模塊、通信模塊、數據與模型聚合模塊加以介紹。接下來的三章是對前面內容的總結與升華。其中第9章介紹由分散式機器學習框架中不同選項所組合出來的各式各樣的分散式機器學習演算法，第10章討論這些演算法的理論性質，第11章則介紹幾個主流的分散式機器學習系統（包括Spark MLlib 迭代式MapReduce系統，Multiverso參數伺服器系統，TensorFlow數據流系統）。最後的第12章是全書的結語，在對全書內容進行簡要總結之後，著重討論分散式機器學習這個領域未來的發展方向。 本書基於微軟亞洲研究院機器學習研究團隊多年的研究成果和實踐經驗寫成，既可以作為研究生從事分散式機器學習方向研究的參考文獻，也可以作為人工智慧從業者進行演算法選擇和系統設計的工具書。人工智慧大潮中，市場上已有許多機器學習書籍，但是分散式機器學習的專門書籍還很少見。本書是希望學習和了解分散式機器學習的讀者的福音。劉鐵岩，微軟亞洲研究院副院長。劉博士的先鋒性研究促進了機器學習與信息檢索之間的融合，被國際學術界公認為「排序學習」領域的代表人物。近年來在深度學習、分散式學習、強化學習等方面也頗有建樹，發表論文200余篇，被引用近兩萬次。多次獲得最佳論文獎、最高引用論文獎、Springer十大暢銷華人作者、Elsevier最高引中國學者等。被聘為卡內基-梅隆大學（CMU）客座教授，諾丁漢大學榮譽教授，中國科技大學教授、博士生導師；被評為國際電子電氣工程師學會（IEEE）會士，國際電腦學會（ACM）傑出會員。陳薇，微軟亞洲研究院機器學習組主管研究員，研究機器學習各個分支的理論解釋和演算法改進，尤其關注深度學習、分散式機器學習、強化學習、博弈機器學習、排序學習等。2011年于中國科學院數學與系統科學研究院獲得博士學位，同年加入微軟亞洲研究院，負責機器學習理論項目，先後在NIPS、ICML、AAAI、IJCAI等相關領域頂級國際會議和期刊上發表文章30余篇。王太峰，螞蟻金服人工智慧部總監、資深演算法專家。在螞蟻金服負責AI演算法組件建設，演算法工作服務於螞蟻金服的支付、國際、保險等多條業務線。在加入螞蟻之前在微軟亞洲研究院工作11年，任主管研究員，他的研究方向包括大規模機器學習、數據挖掘、計算廣告學等。在國際頂級的機器學習會議上發表近20篇的論文，在大規模機器學習工具開源方面也做出過很多貢獻，在微軟期間主持開發過DMTK的開源項目。高飛，微軟亞洲研究院副研究員，主要從事分散式機器學習和深度學習的研究工作，並在國際會議上發表多篇論文。2014年設計開發了當時規模最大的主題模型演算法和系統LightLDA。他還開發了一系列分散式機器學習系統，並通過微軟分散式機器學習工具包（DMTK）開源在GitHub上。