این کتاب به گونهای سازماندهی شده است که فصلهای جداگانه به اندازه کافی از یکدیگر مستقل هستند، به طوری که خواننده در استفاده از مطالب به عنوان مرجع راحت باشد. این کتاب در مورد چیستی علم داده و تحلیل داده از دیدگاه فرآیند و نتایج به دست آمده بحث میکند. ویژگیهای مهم پایتون نیز پوشش داده شده است، از جمله یک مقدمه پایتون. عناصر اساسی یادگیری ماشین، تشخیص الگو و هوش مصنوعی که زیربنای الگوریتمها و پیادهسازیهای مورد استفاده در بقیه کتاب هستند نیز در بخش اول کتاب آمده است.
تحلیل رگرسیون با استفاده از پایتون، تکنیکهای خوشهبندی و الگوریتمهای طبقهبندی در بخش دوم کتاب پوشش داده شدهاند. خوشهبندی سلسله مراتبی، درختهای تصمیم و تکنیکهای گروهی نیز به همراه تکنیکهای کاهش ابعاد و سیستمهای توصیهگر بررسی میشوند. الگوریتم ماشین بردار پشتیبان و ترفند کرنل در بخش آخر کتاب مورد بحث قرار گرفتهاند.
