本书使用了PyMC3、Tensorflow Probability和ArviZ等多个软件库的实践方法, 重点为应用统计学的实践方法, 并参考了基础数学理论。本书首先回顾贝叶斯推断的概念。第2章介绍了贝叶斯模型探索性分析的现代方法。基于这两个基本原理, 接下来的章节介绍了各种模型, 包括线性回归、样条、时间序列和贝叶斯加性回归树。其后几章讨论的主题包括: 逼近贝叶斯计算, 通过端到端案例研究展示如何在不同环境中应用贝叶斯建模, 以及概率编程语言内部构件。最后一章深入数学方面或扩展对某些主题的讨论, 作为本书其余部分的参考。