فصل‌های این کتاب در سه بخش سازماندهی شده‌اند: بخش اول (فصل‌های ۱ تا ۳) مقدمه‌ای کلی بر علم داده است. این کتاب با شروع از مفاهیم اساسی، انواع داده‌ها، کاربرد آنها، اهمیت آنها و مسائلی را که معمولاً در تجزیه و تحلیل داده‌ها با آنها مواجه می‌شویم، برجسته می‌کند و پس از آن طیف گسترده‌ای از کاربردها و تکنیک‌های پرکاربرد در علم داده را ارائه می‌دهد. بخش دوم که در مقایسه با ویرایش اول به‌روزرسانی و به‌طور قابل‌توجهی گسترش یافته است، به تکنیک‌ها و ابزارهای مختلف مورد استفاده در علم داده اختصاص دارد. فصل‌های ۴ تا ۱۰ آن به جزئیات پیش‌پردازش داده‌ها، طبقه‌بندی، خوشه‌بندی، متن‌کاوی، یادگیری عمیق، داده‌کاوی الگوهای پرتکرار و تحلیل رگرسیون می‌پردازد. در نهایت، بخش سوم (فصل‌های ۱۱ و ۱۲) مقدمه‌ای مختصر بر پایتون و R، دو زبان برنامه‌نویسی اصلی علوم داده، ارائه می‌دهد و در یک فصل کاملاً جدید، علوم داده کاربردی را در WEKA (محیط وایکاتو برای تحلیل دانش)، ابزاری متن‌باز برای انجام وظایف مختلف یادگیری ماشین و داده‌کاوی، نشان می‌دهد. ضمیمه‌ای که مفاهیم ریاضی پایه علوم داده را توضیح می‌دهد، کتاب را کامل می‌کند.
این کتاب درسی برای دانشجویان کارشناسی و کارشناسی ارشد پیشرفته و همچنین برای شاغلین صنعتی که در علوم داده تحقیق می‌کنند، مناسب است. هر دوی آنها نه تنها از ارائه جامع موضوعات مهم، بلکه از مثال‌های کاربردی فراوان و فهرست جامع منابع مطالعاتی بیشتر، که به انتشارات اضافی که نتایج تحقیقات عمیق‌تری را ارائه می‌دهند یا منابعی برای شرح دقیق‌تر موضوعات مرتبط ارائه می‌دهند، نیز بهره‌مند خواهند شد.
“این کتاب مطالبی سیستماتیک و با دقت متفکرانه در مورد علوم داده ارائه می‌دهد.” از پیشگفتار ویتولد پدریچ، دانشگاه آلبرتا، کانادا.
