PEMBAHASAN MELIPUTI :
- Evolutionary Computation
- Evolutionary Shallow Learning
- Evolutionary Deep Learning Evolutionary Clustering
- Evolutionary Ensemble Learning
- Evolutionary Reinforcement Learning Studi Kasus

perancangan ML dan DL yang optimal membutuhkan manusia yang ahli di bidangnya. (domain experts). Desain struktur, arsitektur, hingga pengaturan hyperparameter ML dan DL bisa berbeda beda untuk setiap kasus yang dihadapi. Selain itu, masalah lain yang lebih serius adalah ML dan DL hanya bisa menyelesaikan masalah klasifikasi, klasterisasi, rekognisi, deteksi, prediksi, dan segala turunannya. Keduanya tidak bisa menyelesaikan masalah optimasi, penjadwalan (scheduling dan timetabling), perencanaan (planning), dan berbagai masalah kombinatorial. Untuk mengatasi kekurangan tersebut, para ahli telah mengembangkan teknik yang disebut Evolutionary Machine Learning (EML).

Buku ini memberikan gambaran holistik, namun simpel, mengenai ide dasar, capaian, peluang. tantangan, dan masa depan EML. Penjelasan logis dan diskusi dikemas secara ringkas mulai dari konsep dasar yang paling simpel, lalu secara perlahan bergerak hingga gagasan yang relatif kompleks. Setiap model EML dibahas dari ide dasar, motivasi, visualisasi, formulasi matematis, hingga aplikasi yang telah dicapai.