Das Buch richtet sich vor allem an Studenten im Bereich Knowledge Discovery/Data Mining. Zu Beginn werden die nötigen Grundlagen (Datenbanken und Statistik) relativ einfach erläutert, um den Leser auf den nötigen Wissensstand zu bringen. Danach werden die Themen Clustering, Klassifikation, Assoziationsregeln und Generalisierung zuerst mit den Standardverfahren und schließlich mit spezielleren Verfahren und dazugehörigen Algorithmen erklärt. Den Abschluß bildet ein Überblick über besondere Anwendungen (temporal/spatial Data Mining, Text- und Web-Mining), sowie über andere Paradigmen (logische Programmierung, genetische Algorithmen, neuronale Netze). Vorteilhaft ist auch die Literaturliste nach jedem Kapitel. Trotz des Grundlagen-Kapitels sollte man mathematische Kenntnisse (insbesondere Statistik) sowie Übung im Lesen von Algorithmen in Pseudo-Code mitbringen.