În lucrarea „Microeconomie avansată. Economia informației” sunt tratate, printre altele, atitudinea agenţilor economici faţă de risc, cererea de asigurare şi influenţa impozitării venitului unui agent economic asupra economisirii, teoria echilibrului general, contracte cu informaţie sintetică, mecanismul optim de plăţi şi nivelul optim de efort. Manualul conține o ilustrare geometrică a problemei de risc moral, precum și modele de selecţie adversă (antiselecție).

Lucrarea abordează teoria jocurilor într-o manieră graduală, de la simplu la complex. Sunt tratate jocurile statice în informaţie completă, jocurile de sumă nulă, jocurile dinamice în informaţie completă, jocurile statice în informaţie incompletă şi licitaţiile.

Aspectele teoretice sunt prezentate în detaliu la începutul fiecărui capitol, fiind urmate de probleme rezolvate şi probleme propuse. În cadrul problemelor rezolvate, toate noţiunile teoretice sunt explicate pe larg.

Lucrarea se încadrează în tematica analizei şi modelării cantitative a comportamentului agenţilor economici. Pe parcursul celor 12 capitole, sunt tratate probleme legate de: comportamentul optimal al consumatorilor şi al producătorilor, competiţiile de monopol şi oligopol, precum şi funcţionarea economiilor cu efecte externe sau bunuri publice. Aspectele teoretice sunt explicate pe larg în cadrul exemplelor şi aplicaţiilor, fiecare capitol conţinând probleme rezolvate şi probleme propuse spre rezolvare.

Prin inteligenţă artificială (AI-Artificial Intelicence) se înțelege orice tehnică care permite calculatoarelor să imite comportamentul uman, inclusiv învăţarea maşinii, procesarea limbajului natural (NLP), sinteza limbajului, „viziunea” computerului (programarea computerului pentru a„vedea”), robotica, analiza senzorilor, optimizarea şi simularea.
În acest context, Machine Learning (ML – învăţarea automată) constituie un subset de tehnici de AI care permite sistemelor informatice să „înveţe” din experienţa anterioară (adică din observaţiile de date), având ca efect îmbunătăţirea operaţiunilor pentru o anumită sarcină. Tehnicile ML includ Support Vector Machines (SVM), arbori de decizie, învăţare Bayes, k-means clustering, reguli de asociere, regresie, reţele neuronale şi multe altele.