Pembelajaran mesin merupakan jalur menuju kecerdasan buatan. Subkategori AI ini menggunakan algoritma untuk mempelajari wawasan dan mengenali pola dari data secara otomatis, serta menerapkan pembelajaran tersebut untuk membuat keputusan yang semakin baik. Dengan mempelajari dan bereksperimen dengan pembelajaran mesin, programmer menguji batas seberapa besar mereka dapat meningkatkan persepsi, kognisi, dan tindakan sistem komputer. Kecerdasan Buatan adalah bidang pengembangan komputer dan robot yang mampu berperilaku dengan cara yang meniru dan melampaui kemampuan manusia. Program yang didukung AI dapat menganalisis dan mengontekstualisasikan data untuk memberikan informasi atau secara otomatis memicu tindakan tanpa campur tangan manusia. Pada buku ini penulis membahas berbagai macam teori dan aplikasi praktis terkait pembelajaran mesin dan kecerdasan buatan yang tersusun dalam 16 (enam belas) bab, sebagai berikut: (1) Sejarah dan Perkembangan Pembelajaran Mesin, (2) Teori Pembelajaran Mesin, (3) Metodologi dan Algoritma Pembelajaran Mesin, (4) Jaringan Syaraf Tiruan dan Pembelajaran Mendalam, (5) Pemrosesan Bahasa Alami (Natural Language Processing), (6) Pengolahan Citra dan Visi Komputer, (7) Pemodelan dan Evaluasi Pembelajaran Mesin, (8) Pengoptimalan Model Pembelajaran Mesin, (9) Data dan Pra-pemrosesan dalam Pembelajaran Mesin, (10) Aplikasi Pembelajaran Mesin dalam Kesehatan, (11) Aplikasi Pembelajaran Mesin dalam Keuangan, (12) Aplikasi Pembelajaran Mesin dalam Industri dan Manufaktur, (13) Aplikasi Pembelajaran Mesin dalam Pemasaran dan Penjualan, (14) Regulasi dan Kebijakan Pembelajaran Mesin, (15) Keamanan dan Pembelajaran Mesin, (16) Peluang dan Tantangan Pembelajaran Mesin.