Boken 'Non-convex Optimization for Machine Learning' tar en grundig gjennomgang av grunnleggende prinsipper for ikke-konveks optimalisering og deres anvendelser innen maskinlæring. Den presenterer et omfattende litteraturgrunnlag innen dette feltet og gir leseren de nødvendige verktøyene og teknikkene for å anvende og analysere enkle, men kraftfulle prosedyrer for ikke-konvekse problemer. Boken er så selvforsynt som mulig, uten at den mister fokus på hovedtemaet: teknikker for ikke-konveks optimalisering. Den innleder diskusjonen med kapitler som gir en opplæringslignende behandling av grunnleggende begreper innen konveks analyse og optimalisering, samt deres ikke-konvekse motparter. Avslutningsvis undersøker monografien fire interessante anvendelser innen maskinlæring og signalbehandling, og utforsker hvordan de tidligere introduserte teknikkene for ikke-konvex optimalisering kan benyttes for å løse disse problemene. Hvert tema er grundig dekket og bidrar til en dypere forståelse av emnet.
