책의 첫 번째 부분에서 우리는 많은 기계 학습 방법론의 기반을 형성하는 수학을 소개했다. 독자가 첫 번째 부분을 통해 수학이라는 언어의 기초적인 형태를 학습할 수 있기를 바랐으며, 이제 우리는 이를 사용하여 기계 학습을 설명하고 논의할 것이다. 책의 두 번째 부분에서는 기계 학습의 네 가지 기둥을 소개한다.

• 회귀 (9장)
• 차원 축소 (10장)
• 밀도 추정 (11장)
• 분류 (12장)

이 책의 두 번째 부분의 주요 목적은 첫 번째 부분에서 소개된 수학적 개념들이 어떻게 기계 학습 알고리즘을 설계하는 데 사용될 수 있는지, 그리고 이 알고리즘들이 어떻게 네 가지 기둥의 영역 내에 있는 작업들을 해결하는 데 사용될 수 있는지를 보여주는 것이다. 우리는 고급 기계 학습 개념을 소개하려는 것이 아니라, 독자가 책의 첫 번째 부분에서 얻은 지식을 적용할 수 있도록 일련의 실용적인 방법론을 제공하고자 한다. 또한 이는 수학에 이미 익숙한 독자들에게 더 폭넓은 기계 학습 문헌으로 나아가는 관문을 제공한다.