Denne nyeste utgaven av en graduate-nivå lærebok i maskinlæring fokuserer på analyse og teori bak algoritmer. Boken fungerer som en generell introduksjon til maskinlæring, og den er både et usedvanlig nyttig læremiddel for masterstudenter og en verdifull ressurs for forskere. Den dekker fundamentale og moderne emner innen maskinlæring, samtidig som den gir en teoretisk basis og de konseptuelle verktøyene som er nødvendige for å diskutere og rettferdiggjøre ulike algoritmer. Forfatterne tar sikte på å presentere nyskapende teoretiske verktøy og konsepter, med klare bevis selv for relativt avanserte temaer. 'Foundations of Machine Learning' er særpreget ved sin vektlegging av analyse og teori av algoritmer. De første fire kapitlene gir den teoretiske plattformen for det som følger, mens de påfølgende kapitlene er i stor grad selvstendige. Dekkes emner som det 'Probably Approximately Correct' (PAC) læringsrammeverket og generaliseringsgrenser basert på Rademacher kompleksitet.
