Buku ini perlu dibaca dosen, mahasiswa, peneliti atau pelaku bisnis dalam bidang data mining dan big data. Buku ini dibuat sedemikian rupa agar mudah dipahami dengan tetap menekankan kedalaman dan keluasan materi yang diberikan, di mana setiap pembahasannya dilengkapi dengan asal usul ide suatu metode beserta penurunannya, ringkasan metodenya; diberikan contoh-contoh hitungannya, termasuk implementasi koding yang disajikan dalam pemrograman python. Beberapa kasus-kasus juga diangkat dalam buku ini, seperti klasifikasi data bunga Iris, klasifikasi sentimen data teks twitter (sentiment analysis), klasifikasi digit angka, prediksi keterlambatan data pesawat terbang (regresi), prediksi harga tepung, klastering dan pengurangan dimensi data digit angka MNIST, dan lain-lain. Hal ini diharapkan agar para pembaca mendapatkan gambaran lebih terkait aplikasi dari teknik-teknik yang telah disampaikan.
Dalam buku ini dibahas teknik-teknik klasifikasi seperti neural network, SVM, decision tree, serta teknik regresi, klastering maupun aturan asosiasi. Beberapa teori mutakhir juga turut dibahas, seperti deep learning, spektral klastering, metode kernel dan t-SNE untuk dimentionality reduction & visualisasi data berdimensi tinggi. Selanjutnya, dalam buku ini akan dibahas konsep big data analytics menggunakan framework yang saat ini paling populer, yaitu Apache Spark, yang disajikan dalam bentuk hands-on coding (implementasi koding step-by-step). Dan terakhir, buku ini ditutup dengan panduan cara membuat dan menggunakan klaster komputer untuk Apache Spark agar proses big data analytics menjadi lebih cepat dan handal dalam menganalisis data yang ukurannya sangat besar. Kemudian juga disediakan lampiran mengenai cara instalasi python dan setting Apache Spark, sehingga para pembaca yang belum familiar dapat mengikuti setiap sesi implementasi koding yang disajikan pada setiap pembahasannya.
Di edisi kedua ini, ditambahkan materi tentang deep learning, khususnya convolutional neural network, atau yang sering disingkat dengan CNN. Oleh karena itu, konsep-konsep yang terkait pun juga diubah cara penjelasannya, seperti proses perambatan gradien di back-propagasi yang dijelaskan dalam sudut pandang directed acyclic graph.