Denne læreboken gir en tilgjengelig oversikt over metoder og teknikker innen statistisk læring, og inneholder case-studier som benytter statistikkprogramvaren Stata. Boken innleder med grunnleggende konsepter og praktiske aspekter ved statistisk læring, før hver av de påfølgende kapitlene fokuserer på en spesifikk statistisk læringsalgoritme eller en gruppe relaterte teknikker. Den dekker blant annet logistisk regresjon, regulerte lineære modeller som Lasso, nærmeste naboer, Naive Bayes-klassifisereren, klassifikasjonstrær, tilfeldige skoger, boosting, støttevektormaskiner, funksjonsingeniørkunst, nevrale nettverk og stacking. Boken forklarer også hvordan man kan konstruere n-gram variabler fra tekstdata. Gjennomgående inneholder den eksempler, konseptuelle oppgaver og oppgaver som bruker programvare, samt case-studier fra Stata, hovedsakelig fra samfunnsvitenskapene; dette er i tråd med bokens mål om å lette bruken av moderne datavitenskapmetoder innen feltet. Den er primært ment for avanserte bachelorstudenter.
