چگونه می توان به ماشین یاد داد در مبحث یادگیری ماشین همواره با این سوال درگیر هستیم که چگونه میتوان ساختاری برای برنامه های کامپیوتری طراحی کرد که بتوان با استفاده از آزمایشات متعدد بر مهارت خود بیافزایید امروز کاربرد یاددهی به سیستم ها در هر عرصه هاین گوناگون گسترش یافته است ،  مثال نرم افزارهای کاوش داده ای ایجاد شده که می‌توان در برابر حملات و سرقت‌های اینترنتی مقابله کنند سیستم های اطلاعاتی که می توانند علاوه علاقه هر فرد و انواع اطلاعات را مشخص کنند و یا حتی خودروهای اتوماتیک می توانند یاد بگیرند چگونه بدون راننده در خیابان رانندگی کنم! این در حالی است که این امر با سرعت بسیار زیاد در حال پیشرفت و تکامل است.

هدف این نوشته معرفی راه حل ها و الگوریتم های کلیدی تشکیل دهنده هسته ای یادگیری ماشین به خواننده است اما باید گفت در این راه سعی خواهیم کرد که از دانش های گوناگون نظیر آمار ، هوش‌مصنوعی ، فلسفه ، تئوری اطلاعات بیولوژیک، پیچیدگی های محاسباتی و تئوری کنترل در رسیدن به این هدف کمک بگیریم. از نظر ما بهترین راه برای آموختن یادگیری ماشین نزدیک شدن به مطالب ،  تمام وجوه و مفاهیم آن است. در گذشته این کار به خاطر نبود اطلاعات اولیه در تمامی جنبه ها در یک جا سخت به نظر می‌رسید هدف اولیه این کتاب ارائه چنین اطلاعاتی در کنار هم است.

این کتاب برای دانشجویان ارشد هوش مصنوعی و نرم افزار و داوطلبان کنکور دکترای هوش مصنوعی مفید است.

جزوه یادگیری زیان ماشین در 380 صفحه در 13 فصل میباشد. در این جزوه زبان ماشین خواهید آموخت:

فصل اول: مقدمه چگونه می توان به ماشین یاد داد

فصل دوم: یادگیری مفهوم و ترکیب کل به جز

فصل سوم: یادگیری درخت تصمیم گیری

فصل چهارم شبکه های عصبی مصنوعی

فصل پنجم: ارزیابی فرضیه ها

فصل ششم: یادگیری بیزی

 جدید فصل هفتم:ف یادگیری محاسباتی

فصل هشتم: یادگیری مبتنی بر نمونه ها

فصل نهم: الگوریتم های ژنتیک 

فصل دهم: یادگیری دست قوانین

فصل یازدهم: یادگیری تحلیلی

فصل دوازدهم: ترکیب یادگیری تحلیلی و استقرایی

فصل سیزدهم: یادگیری تقویتی