Grāmata veltīta datu ieguves jēdziena raksturojumam, datu pirmapstrādes principiem, kā arī tādu tradicionālu datu ieguves uzdevumu risināšanai kā klasifikācija, klasterizācija un asociatīvo likumu meklēšana. Klasifikācijas uzdevumiem paredzēti naivais Baijesa klasifikators, induktīvie lēmumu koki un mākslīgie neironu tīkli. Klasteru analīzes uzdevumiem piemīt hierarhiskie un sadalošie algoritmi kā arī uz blīvuma balstīta klasterizācija. Asociatīvo likumu ģenerēšanai pielietots APRIORI algoritms. Noslēgumā dots ieskats citos datu ieguves uzdevumos – Web ieguve, temporālo datu ieguve, anomāliju un nepiederošo datu atklāšana. Izskatīti jautājumi, kas saistīti ar iegūto datu attēlošanu un vizualizāciju, kā arī rekomendācijas tālākajiem pētījumiem datu ieguves jomā.