本书涵盖了这些领域中使用Python模块演示的概率、统计和机器学习的关键思想。整本书包括所有的图形和数值结果，都可以使用Python代码及其相关的Jupyter/IPython Notebooks。作者通过使用多种分析方法和Python代码的有意义的示例，开发了机器学习中的关键直觉，从而将理论概念与具体实现联系起来。现代Python模块(如panda、y和Scikit-learn)用于模拟和可视化重要的机器学习概念，如偏差/方差权衡、交叉验证和正则化。许多抽象的数学思想，如概率论中的收敛性，都得到了发展，并用数值例子加以说明。本书适合任何具有概率、统计或机器学习的本科生，以及具有Python编程的基本知识的人。