Denne læreboken gir en grundig innføring i teknikker og algoritmer innen maskinlæring. Den tredje utgaven dekker nyere tilnærminger som har blitt svært aktuelle, inkludert dyp læring og auto-enkoding. Boken gir også en introduksjon til tidsmessig læring og skjulte Markov-modeller, samt en mer detaljert behandling av forsterkningslæring. Språket i boken er lettfattelig, med mange eksempler og illustrasjoner som bidrar til forståelsen, samt praktiske råd og diskusjoner om enkle anvendelser. Hovedtemaene som dekkes inkluderer Bayesianske klassifiserere, nærmeste nabo-klassifiserere, lineære og polynomiske klassifiserere, beslutningstrær, regelinduksjonsprogrammer, kunstige nevrale nettverk, støttevektor-maskiner, boosting-algoritmer, ikke-overvåket læring (inkludert Kohonen-nettverk og auto-enkoding), dyp læring, forsterkningslæring, tidsmessig læring (inkludert lang-korttidsminne), skjulte Markov-modeller og genetiske algoritmer. Spesiell oppmerksomhet er viet til ytelsen.
