推薦システムで生ずる統計的課題を包括的に扱うためには、適応的逐次計画（多腕バンディット手法）、双線形ランダム効果モデル（行列分解）、ＭａｐＲｅｄｕｃｅを用いた拡張性の高いモデルの当てはめ、などの最先端の技術の詳細な議論が必要である。推薦システムで用いられる複雑な概念を、Ｙａｈｏｏ！およびＬｉｎｋｅｄＩｎにおける大規模システムでの開発／運用経験をもとに具体性のある説明を行い、理論と実践のギャップを埋めている。
もくじ情報：第１部　導入（古典的手法；推薦問題における探索と活用；推薦システムの評価）；第２部　一般的な問題設定（問題設定とシステム構成；Ｍｏｓｔ‐Ｐｏｐｕｌａｒ推薦；素性ベクトルベースの回帰による個別化；因子モデルによる個別化）；第３部　高度な話題（潜在ディリクレ分配による因子分解；コンテキスト依存推薦；多目的最適化）

Ａｇａｒｗａｌ，Ｄｅｅｐａｋ　Ｋ．(ＡＧＡＲＷＡＬ，ＤＥＥＰＡＫ　Ｋ．)
ビッグデータのアナリスト。米国統計協会のフェローであり、トップレベルのジャーナルの統計に関連する分野の編集者である