Cartea este o sinteză a principalelor direcţii de cercetare în domeniul teoriei deciziei pe plan internaţional, reprezentând, în aceeaşi măsură, o contribuţie originală. Autorii ilustrează, într-o manieră creativă, pedagogică, modelele probabilistice, criteriile, axiomele, formulele etc., necesare în fundamentarea deciziilor, bazându-se pe analize, exemple şi contraexemple, interpretări geometrice şi grafice foarte bine realizate.

Volumul întâi începe cu tratarea uneia dintre cele mai intens dezbătute teme în literatura de specialitate, și anume creșterea economică, dezvoltând, mai apoi, din perspectivă cibernetică, probleme legate de teoria fluctuațiilor ciclice, de dinamica economiilor deschise și de deficitele bugetare și politicile fiscale.

În volumul al doilea (https://dev.editura.ase.ro/editura-ase/product/cibernetica-macroeconomica-suport-de-curs-volumul-2-reglarea-macroeconomica-prin-politici-monetare-si-modelarea-investitiilor/), autorii își propun o tematică largă privind dezechilibrele macroeconomice (inflația și politicile monetare, șomajul, investițiile, consumul) și mecanismele de reglare a lor.

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.

Data Science (DS) este un domeniu multidisciplinar care include statistica, informatica, învățarea automată (ML-Machine Learning) și expertiza în domeniu, pentru a obține cunoștințe și informații din date deja existente.
Lucrarea Data Science utilizând mediul R. Teorie şi aplicaţii  este concepută în ideea de a veni în sprijinul tuturor celor care doresc să cunoască aspecte mai mult sau mai puţin analitice referitoare la știința datelor.

Cartea este structurată în trei părți: prima parte reia aspecte teoretice de bază, partea a doua cuprinde aplicațiile micro și macroeconomice propriu-zise și prezintă rezolvări ale temelor din prima parte, iar în partea a treia se găsesc rezolvări interesante propuse de către studenți.