การเรียนรู้ของเครื่อง (Machine Learning) คือเครื่องมือที่นิยมใช้สร้างระบบปัญญาประดิษฐ์ (Artificial Intelligence: AI) ที่ประสบความสำเร็จมากที่สุดในปัจจุบัน ภาษา Python ก็เป็นภาษาหนึ่งที่ผู้ศึกษาศาสตร์ด้านนี้นิยมใช้งานและมีเครื่องมือสำเร็จรูปให้เลือกใช้งานอย่างมากมาย การใช้งานเครื่องมือสำเร็จรูปเหล่านี้มีข้อดีที่สามารถสร้างงานได้อย่างรวดเร็ว แต่มีข้อเสียในระยะยาวเพราะหากขาดความเข้าใจขั้นตอนวิธีที่อยู่เบื้องหลังสิ่งเหล่านี้ การที่จะสร้างขึ้นใหม่หรือปรับปรุงแก้ไขจะทำได้ยากและอาจต้องพึ่งพาเครื่องมือสำเร็จรูปเหล่านั้นตลอดไปจนทำให้เป็นปัญหาระดับชาติต่อไป เฉกเช่น เทคโนโลยีอื่น ๆ ที่ผ่านมาในอดีตที่ต้องนำเข้าจากต่างประเทศเสมอมา หนังสือเล่มนี้เหมาะสำหรับผู้อ่านที่ต้องการแสวงหาความรู้ ความเข้าใจถึงที่มาของวิธีการทางการเรียนรู้ของเครื่องตั้งแต่แนวคิดทางคณิตศาสตร์ ขั้นตอนวิธี ตลอดจนการเขียนโปรแกรมทั้งหมดด้วยตนเองตั้งแต่เริ่มต้น (From scratch) โดยผู้อ่านสามารถเข้าใจและเขียนเครื่องมือด้านการเรียนรู้ของเครื่องทั้งหมดในหนังสือเล่มนี้เพื่อนำไปใช้งานได้จริงจากการเรียกใช้ Numpy เพียงอย่างเดียวเท่านั้น ขั้นตอนวิธีหลักในหนังสือเล่มนี้ ได้แก่ การเรียนรู้แนวคิด (Concept Learning), k-Nearest Neighbors, ต้นไม้ตัดสินใจ (Decision Tree), โครงข่ายประสาทเทียม (Artificial Neural Networks), Support Vector Machine, การเรียนรู้แบบเบย์ (Bayesian Learning), ขั้นตอนวิธีเชิงพันธุกรรม (Genetic Algorithm), การลดมิติ (Dimensionality Reduction), การจัดกลุ่ม (Clustering) และยังมีขั้นตอนวิธีที่แทรกอยู่ในบนต่าง ๆ อีกมากมาย