هدف از یادگیری ماشین، برنامه‌نویسی کامپیوترها جهت استفاده از نمونه مثال داده ها و یا تجربه گذشته برای حل مسأله داده شده است. در حال حاضر کاربردهای متعدد موفقی از یادگیری ماشین وجود دارد، شامل سیستم‌هایی که داده های فروش گذشته را آنالیز نموده تا رفتار مشتری را پیش گویی نماید، چهره و یا صحبت تکلم‌شده را تشخیص دهد، رفتار روبات را بهینه نماید به‌طوری‌که وظیفه‌ای را بتوان با منابع مینیمم کامل نمود و استخراج دانش از داده های بیوانفورماتیک نماید. «یادگیری ماشین» کتابی جامع در موضوع فوق است، که حوزه وسیعی از عناوینی که معمولاً در کتاب های آشنایی با یادگیری ماشین آورده نشده است، را در برمی گیرد. روش های متفاوت مبتنی بر حوزه های مختلف شامل آمار، تشخیص الگو، شبکه های عصبی، هوش مصنوعی، پردازش سیگنال، کنترل و داده‌کاوی به‌طوری‌که برخوردی یکسان برای مسائل و حل یادگیری ماشین را بحث می نماید. همه الگوریتم های یادگیری آن‌چنان توضیح داده شده اند که دانشجو بتواند مستقیم از معادله های کتاب به سمت برنامه-های کامپیوتری حرکت کند. این کتاب می‌تواند توسط دانشجویان کارشناسی و ارشد پیشرفته که دوره های برنامه نویسی کامپیوتر، احتمالات، حساب‌ دیفرانسیل‌، انتگرال‌ و جبر خطی را گذرانده اند، مورد استفاده قرار گیرد. این کتاب هم‌چنین برای مهندسانی که علاقمند به کاربرد روش های یادگیری ماشین هستند، مفید خواهد بود. بعد از یک مقدمه که یادگیری ماشین و مثال هایی از کاربردهای یادگیری ماشین را تعریف می نماید، کتاب یادگیری مفهوم، یادگیری باناظر، یادگیری درخت‌های تصمیم، شبکه‌های عصبی، نظریه تصمیم بِیزیَن، روش های پارامتری، روش های چندپارامتری را پوشش می‌دهد.