Machine learning merupakan salah satu cabang ilmu Kecerdasan Buatan (Artificial Intelligence) yang berkembang sangat cepat dan telah menyebabkan masalah klasifikasi, regresi, klastering, dan anomaly detection pada berbagai bidang dapat diatasi lebih efisien. Misalnya, pengenalan sel yang bersifat abnormal berdasarkan citra CT Scan membantu dokter mendiagnosis pasien. Pengenalan jenis dan lokasi objek yang akurat berdasarkan video digital atau citra satelit sudah dipergunakan secara luas dibidang keamanan wilayah, periklanan, penanganan bencana alam, atau transportasi cerdas.

Buku ini menguraikan beberapa konsep dasar dari machine learning dengan pendekatan matematika terapan. Pembahasan dimulai dari Dasar-Dasar Matematika untuk Madhine Learning, Konsep Machine Learning sampai pada berbagai contoh implementasi Machine Learning. Berbagai model yang dibahas diantaranya adalah Regresi Linier, Regresi Logistik, K-Nearest Neighbors, Decision Tree, Random Forest, Naive Bayes dan Support Vector Machine untuk metode pembelajaran secara supervised.

Sedangkan untuk metode pembelajaran unsupervised akan menjelaskan tentang K-means, Principal Component Analysis, Density Based Spatial Clustering of Application with Noise (DBSCAN) dan Spatial temporal DBSCAN. Semua konsep dijelaskan disertai dengan contoh-contoh implementasinya menggunakan bahasa pemrograman Python.