Boken 'Machine Learning in Finance' utforsker bruk av maskinlæring innen finans, og tilbyr en omfattende fremstilling av hvordan ulike metoder fra maskinlæring kan anvendes innen kvantitativ finans. Den belyser også samarbeid med statistiske og beregningsmessige disipliner, som finansiell økonometrisk analyse og diskret tids stokastisk kontroll. I denne sammenhengen er det et særlig fokus på hvordan teori og hypotesetester kan informere valg av algoritmer for både modellering av finansiell data og beslutningsprosessene som følger. Med økningen av både datakraft og volumet av tilgjengelige datasett, har kompetansen innen maskinlæring blitt essensiell for finansbransjen. Boken er rettet mot avanserte studenter på masternivå samt akademikere innen finansiell økonometrikk, matematisk finans og anvendt statistikk, i tillegg til kvants og dataforskere som arbeider innen kvantitativ finans. 'Machine Learning in Finance: From Theory to Practice' er delt inn i tre deler, der hver del omhandler både teori og praktiske anvendelser. Den første delen fokuserer på supervisert læring for tverrsnittdata fra både en Bayesian- og frekvensisk tilnærming.
