Günümüzde büyük veri ve makine öğrenmesi algoritmaları yardımı ile elde edilecek sosyal ve ekonomik sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak sürekli bilgi üretilen çağımızda büyük verilerin sosyal dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri ve makine öğrenmesi analizleri kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar incelendiğinde  bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması üzerine olduğu görülmektedir.Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları ekonometrik yöntemlerle birleştirmek karmaşık olguları modellemek analiz etmek ve zengin bilgi kaynaklarını sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için büyük veri kavramının net olarak ortaya konulması diğer veri türlerinden farklılığının ele alınması uygulamalarda bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi makine öğrenmesi algoritmalarının amacı hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir.Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından denetimli makine öğrenmesi yöntemleri incelenmiş sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal Daraltıcı Doğrusal Olmayan Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin çoğunun R programı uygulamaları basit örneklerle açıklanmıştır.