Das Sachbuch Adaptive Berechnung und maschinelles Lernen von Kevin P. Murphy bietet eine umfassende Einführung in das Feld des maschinellen Lernens. Der Fokus liegt dabei auf einem vereinheitlichten, probabilistischen Ansatz, der probabilistische Modelle und Inferenz als zentrales Element nutzt.

In einer Zeit, in der die webbasierte Flut elektronischer Daten eine automatisierte Analyse erfordert, liefert dieses Werk die notwendigen Methoden, um Muster in Datenbeständen zu erkennen und diese zur Vorhersage zukünftiger Daten zu verwenden. Die inhaltliche Gestaltung kombiniert Breite und Tiefe, um eine in sich geschlossene Wissensvermittlung zu gewährleisten. Um die komplexen Themen des maschinellen Lernens fundiert zu behandeln, bietet das Lehrbuch zudem das erforderliche Hintergrundmaterial zu mathematischen Grundlagen wie Wahrscheinlichkeit, Optimierung und linearer Algebra.

Die deutsche Sprachfassung richtet sich an Personen, die eine strukturierte Auseinandersetzung mit den automatisierten Methoden der Datenanalyse suchen.