2006年出版以来、amazon.comの人工知能部門で世界的トップセラーとなり、たちまち４刷となった英語版原著Pattern Recognition and Machine Learning、待望の日本語版。５名の監訳者のもと、選りすぐられた日本人研究者達14名によって丁寧に訳出。ベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説。

『パターン認識と機械学習』（Pattern Recognition and Machine Learning; PRML）の著書、Bishopによる深層学習の専門書。技術発展の著しい分野ではあるが、本書は深層学習の基盤となる数理、そのなかでもとくに普遍的な「基礎」と「概念」となるようなアイディアを前作と同様に明解な書きぶりで解説する。解説にあたっては、単に数式の提示にとどまらず、図や疑似コードなど多面的なアプローチで各種の概念を有機的に結合させ、概念全体を体系的に捉えることができるような書きぶりとなっている。前提となる知識は最低限（線形代数と多変数の微分積分）にとどめ、本書で自己完結的に学ぶことができるように工夫されている。深層学習の根幹にある考え方をしっかりと身につけたい読者にとって、今後のスタンダードとなる一冊である。

ベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説した教科書。下巻では上巻の基礎的な話題を発展させた様々な手法を扱う。まず、予測精度の高さで注目を集めたサポートベクトルマシンと、今や幅広い領域で使われているカーネル法を説明。次に高度な確率モデルを表現するベイジアンネットなどのグラフィカルモデルや、潜在変数を扱うＥＭアルゴリズムを紹介。その後、ベイズ理論の適用範囲を広げた変分ベイズ法とＭＣＭＣ法について触れ、次元削減や時系列の扱いといった話題を詳説。最後に複数のモデルを結合するブースティングなどの手法を説明。