การเรียนรู้ของเครื่อง (Machine Learning) เป็นเครื่องมือที่ถูกนำไปประยุกต์ใช้งานอย่างกว้างขวาง อาทิ งานด้านปัญญาประดิษฐ์ (Artificial Intelligence : AI) งานด้านการทำเหมืองข้อมูล (Data Mining) งานด้านการรู้จำรูปแบบ (Pattern Recognition) งานด้านคอมพิวเตอร์วิทัศน์ (Computer Vision) และงานในอีกหลายสาขาที่เกี่ยวข้อง การเข้าใจในเครื่องมือพื้นฐานของการเรียนรู้ของเครื่อง มีประโยชน์ในการเลือกใช้เครื่องมือต่าง ๆ ให้เหมาะสมกับงานที่ต้องการ รวมทั้งยังสามารถปรับปรุงขั้นตอนวิธี เพื่อให้เหมาะสมกับการใช้งานในแต่ละงานได้อย่างมีประสิทธิภาพ

    หนังสือ "Artificial Intelligence with Machine Learning, AI สร้างได้ด้วยแมชชีนเลิร์นนิ่ง" เล่มนี้ ผู้เขียนได้อาศัยประสบการณ์ในการสอนและการวิจัยในสาขาวิชานี้ ตั้งแต่ระดับชั้นปริญญาตรีถึงปริญญาเอก โดยพยายามสอดแทรกตัวอย่างที่ง่ายต่อการเข้าใจ ที่ได้เคยใช้ในการอธิบายนักศึกษาในชั้นเรียน ตลอดจนประสบการณ์ในการทำวิจัย ในแต่ละบทประกอบด้วยเนื้อหา ขั้นตอนวิธี และโปรแกรมตัวอย่างที่เขียนขึ้นด้วยภาษา "Python" ซึ่งเป็นภาษาที่เข้าใจได้ง่ายและได้รับความนิยมอย่างมากในปัจจุบัน ทั้งนี้รหัสต้นฉบับ (Source Code) เกือบทั้งหมดในหนังสือเล่มนี้ ผู้เขียนมีความตั้งใจเขียนขึ้นมาจากพื้นฐานโดยไม่ได้ใช้ไลบารีระดับสูง เพื่อให้เข้าใจหลักการทำงานเบื้องหลังอย่างแท้จริง ทำให้ผู้อ่านสามารถนำไปประยุกต์ใช้ด้วยภาษาที่ตนเองถนัดได้ง่าย

บทที่ 1 บทนำ
บทที่ 2 การเรียนรู้ของเครื่อง (Machine Learning)
บทที่ 3 การเรียนรู้แนวคิด (Concept Learning)
บทที่ 4 การจัดแบ่งคลาสด้วยขั้นตอนวิธี k-Nearest Neighbors
บทที่ 5 ต้นไม้ตัดสินใจ (Decision Tree)
บทที่ 6 โครงข่ายประสาทเทียม (Artificial Neural Networks)
บทที่ 7 ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine)
บทที่ 8 การเรียนรู้แบบเบย์ (Bayesian Learning)
บทที่ 9 ขั้นตอนวิธีเชิงพันธุกรรม (Genetic Algorithm)
บทที่ 10 การลดมิติ (Dimensionality Reduction)
บทที่ 11 การจัดกลุ่ม (Clustering)

- ผู้เขียนมีประสบการณ์ในการสอน และการวิจัยในสาขาวิชานี้ตั้งแต่ระดับชั้นปริญญาตรีถึงปริญญาเอก
- Source Code เขียนขึ้นมาจากพื้นฐาน ไม่ใช้ไลบารีระดับสูง ผู้อ่านสามารถประยุกต์ใช้ภาษาที่ตนเองถนัดได้
- เนื้อหา ขั้นตอนวิธี และโปรแกรมตัวอย่างที่เขียนขึ้นด้วยภาษา Python