کتاب یادگیری ماشین: دستیاری برای توسعه دهندگان و حرفه ای‌های فنی؛ دستور العمل عملی و مثال‌های قابل اجرا کدنویسی شده برای بیشتر تکنیک‌های رایج یادگیری ماشین که توسط توسعه دهندگان و خبره‌های فنی مورد استفاده قرار می‌گیرند ارائه داده است. این کتاب شامل تجزیه و تحلیل هر نوع ML است؛ با بیان این که چگونه کار می‌کند و چگونه در صنایع به خصوصی استفاده می‌شوند به خواننده این اجازه را می‌دهد تا تکنیک‌های ارائه شده را در کار‌های خود به کار بندد. یکی از هسته‌های اصلی یادگیری ماشین تمرکز بر روی آماده سازی داده‌ها و شناسایی کامل انواع مختلف الگوریتم‌های یادگیری است تا نشان دهد که چگونه ابزارهای مناسب به هر توسعه دهنده ای کمک می‌کند تا اطلاعات را استخراج کند و بینشی از داده‌های موجود به دست آورد.

یادگیری ماشین، یک تکنولوژی وابسته به ریاضیات و مبتنی بر الگوریتم است که مبنای داده کاوی تاریخی و علم داده‌های بزرگ مدرن را تشکیل می‌دهد. تحلیل علمی داده‌های بزرگ احتیاج به دانش عملی یادگیری ماشین دارد چرا که پیش بینی‌ها را مبتنی بر خواص شناخته شده از داده‌های آموزشی شکل می‌دهد. با یادگرفتن ساخت سیستمی که می‌تواند از داده‌ها یاد بگیرد، خواننده‌ها می‌توانند ابزارهای خود را در صنعت افزایش دهند. یادگیری ماشین بر اساس آنالیز داده‌ها و تصویر سازی است که به شدت مورد تقاضای شرکت هایی قرار گرفته است که کشف کرده اند معدنی از طلا در داده‌های موجودشان پنهان شده است.

Table of Contents
Chapter 1 What Is Machine Learning?
Chapter 2 Planning for Machine Learning
Chapter 3 Working with Decision Trees
Chapter 4 Bayesian Networks
Chapter 5 Artificial Neural Networks
Chapter 6 Association Rules Learning
Chapter 7 Support Vector Machines
Chapter 8 Clustering
Chapter 9 Machine Learning in Real Time with Spring XD
Chapter 10 Machine Learning as a Batch Process
Chapter 11 Apache Spark
Chapter 12 Machine Learning with R

Appendix A SpringXD Quick Start
Appendix B Hadoop 1.x Quick Start
Appendix C Useful Unix Commands
Appendix D Further Reading