本书共分5篇：第1篇(第1-4章)为传统方法篇，着重介绍时间序列分析、网络分析、统计概率建模等经典方法；第2篇(第5-7章)为一般机器学习篇，着重讨论经典聚类算法、降维挖掘算法和分类算法及其应用案例；第3篇(第8-10章)为高等机器学习篇，介绍表征学习、深度学习和图神经网络算法及其应用案例等；第4篇(第11-13章)为推荐系统篇，介绍一般推荐系统算法、移动数据相关的推荐系统以及移动应用推荐系统和算法等；第5篇(第14-16章)为前沿研究篇，介绍基于移动大数据的前沿研究方向，以移动行为建模、城市科学和城市不平等三项前沿研究为例，介绍移动数据挖掘的研究思路和未来发展方向。全书提供了大量算法应用案例，每章后均附相关经典文献以供读者参考学习。