인간의 지능적인 정보처리를 모방하거나 더 나아가 이를 대신할 수 있는 기계가 여 러 모양으로 개발되어 활용되고 있는데, 이를 위한 기본적인 방법론을 제공하는 인공 지능의 한 분야가 머신러닝(기계학습)이다. 머신러닝에 관심을 두고 이를 자신의 분야 에 적용하기 위해서는 각 방법론에 대한 개별적인 이해는 물론이고, 개발 목적과 환 경에 따른 다양한 상황을 종합적으로 이해하고 판단하는 것이 필요하다. 이를 위해 무엇보다도 중요한 것은 머신러닝 기법에 대한 단단한 기초와 폭넓은 이해라고 할 수 있다. 이런 목적에 맞추어 이 교재는 머신러닝 분야의 특정 주제를 심도 있게 다루기 보다는 머신러닝 전반에 걸쳐 접하거나 알아야 하는 내용을 소개한다. 즉, 기초적이고 전통적인 방법론부터 최신 기술에 이르기까지 다양한 방법론의 개념과 원리 및 그에 따른 기본적인 알고리즘을 최대한 체계적으로 다루려고 하였다.

 이 교재는 총 14장으로 구성된다.
 •1장: 머신러닝과 관련된 기초 개념과 용어를 소개한다.
 •2~3장: 머신러닝을 위해서는 다양한 수학적인 지식이 필요하다. 주로 사용되는 선형대수, 확률, 통계를 비롯하여 응용에 따라서는 미분기하학, 미분방정식 등 다 양한 내용이 필요하다. 하지만 여기서는 벡터와 행렬, 그리고 확률과 통계에 관련 된 기초 개념을 다시 살펴볼 수 있도록 소개한다.
 •4~7장: 머신러닝에서 다루는 네 가지 주제인 분류, 회귀, 군집화, 특징추출과 관 련된 주요 기법에 대해 살펴본다.
 •8~10장: 장별로 앙상블 학습, 결정 트리와 랜덤 포레스트, SVM에 대해 다룬다.
 •11~14장: 신경망과 이를 기반으로 발전된 형태의 머신러닝 기법인 딥러닝, 그리 고 강화학습에 대해 학습한다.