Das Buch beginnt mit einem Überblick über die verschiedenen Arten von Algorithmen des maschinellen Lernens, darunter überwachtes Lernen, unüberwachtes Lernen und Verstärkungslernen. Anschließend erörtern die Autoren die verschiedenen Datenverarbeitungstechniken, die für das maschinelle Lernen unerlässlich sind, wie z. B. Datenbereinigung, Feature Engineering und Modellauswahl.In den folgenden Kapiteln deckt das Buch eine breite Palette von Themen des maschinellen Lernens ab, darunter:Regression: Eine Technik zur Vorhersage von kontinuierlichen Zielwerten.Klassifizierung: Ein Verfahren zur Vorhersage kategorischer Zielwerte.Clustering: Eine Technik zur Gruppierung ähnlicher Datenpunkte.Dimensionalitätsreduktion: Eine Technik zur Verringerung der Anzahl von Merkmalen in einem Datensatz.Modellbewertung: Eine Technik zur Bewertung der Leistung eines maschinellen Lernmodells.Das Buch enthält auch ein Kapitel über Deep Learning, ein Teilbereich des maschinellen Lernens, der in den letzten Jahren an Popularität gewonnen hat.