该教科书针对大二或初三的计算机科学专业的本科生，提供了定性和定量数据分析，概率，随机变量和统计方法（包括机器学习）的综合背景。
通过认真地处理满足该课程的课程需求的主题，计算机科学的概率与统计具有以下特点：
•主要处理离散案例的随机变量和期望的处理。
•模拟的实用方法，显示可以提取多少有趣的概率和期望，尤其着重于马尔可夫链。
•在简单的上下文中对简单点推理策略（最大似然；贝叶斯推理）的清晰但清晰的说明。扩展到涵盖一些置信区间，样本和总体以进行随机抽样替换，以及最简单的假设检验。
•有关分类的章节，说明为什么有用；如何训练具有随机梯度下降的SVM分类器；以及如何使用更高级方法的实现，例如随机森林和最近的邻居。
•有关回归的一章，解释了在实际问题中如何设置，使用和理解线性回归和最近邻回归。
•一章涉及主成分分析，仔细发展直觉，并包括许多实际示例。通过主坐标分析对多元缩放进行了简要描述。
•一章通过聚集方法和k均值处理聚类，展示了如何为复杂信号构建矢量量化特征。
贯穿各章的说明，每个主要章节都包含许多工作示例和其他教学元素，例如
框内的过程，定义，有用事实和“记住这一点”（简短提示）。问题和编程练习在每章的最后，总结了读者应该知道的内容。
教师资源包括针对所有问题的全套模型解决方案，以及带有随附演示幻灯片的《教师手册》。
