本书涵盖了在这些领域中使用Python模块说明的关联概率，统计数据和机器学习的关键思想。整个文本，包括所有数字和数字结果，都可以使用Python代码及其关联的Jupyter / IPython笔记本进行重现，这些笔记本作为补充下载提供。作者通过使用多种分析方法和Python代码编写有意义的示例来开发机器学习的关键直觉，从而将理论概念与具体实现联系起来。像Pandas，Sympy和Scikit-learn这样的现代Python模块被应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。许多抽象的数学概念，如概率论中的收敛，用数值例子来开发和说明。本书适用于任何具有本科层次概率