PyMC (anteriormente conocido como PyMC3) es un paquete de Python para el modelado estadístico bayesiano y el aprendizaje automático probabilístico. Ofrece varios algoritmos de inferencia principalmente métodos Monte Carlo vía cadena de Markov e Inferencia Variacional.^[1]​^[2]​^[3]​^[4]​^[5]​ PyMC ha sido reescrito desde cero de la versión anterior del software PyMC2.^[6]​ A diferencia de la versión anterior, que usaba extensiones de Fortran para realizar cálculos, PyMC utiliza PyTensor, una biblioteca de Python que permite definir, optimizar y evaluar de manera eficiente expresiones matemáticas que involucran arreglos multidimensionales. A partir de la versión 3.8, PyMC utiliza ArviZ para realizar gráficos, diagnóstico y evaluaciones estadísticas. PyMC y Stan son los dos lenguajes de programación probabilística más populares.^[7]​ PyMC es un proyecto de código abierto, desarrollado por la comunidad y patrocinado fiscalmente NumFOCUS.^[8]​

PyMC se ha utilizado para resolver problemas de inferencia en varios dominios científicos, incluida la astronomía,^[9]​^[10]​ epidemiología,^[11]​^[12]​ biología molecular,^[13]​ cristalografía,^[14]​^[15]​ química,^[16]​ ecología^[17]​^[18]​ y psicología.^[19]​ Las versiones anteriores de PyMC también se usaron ampliamente, por ejemplo, en ciencia del clima,^[20]​ salud pública,^[21]​ neurociencia,^[22]​ y parasitología.^[23]​^[24]​

Desde que Theano anunciara planes para interrumpir su desarrollo en 2017,^[25]​ el equipo de PyMC evaluó TensorFlow Probability como backend computacional,^[26]​ pero decidió en 2020 hacerse cargo del desarrollo de Theano.^[27]​ Gran parte del código base de Theano se ha refactorizado y se ha añadido la compilación a través de JAX^[28]​ y Numba. El equipo de PyMC ha lanzado el backend computacional revisado, con el nombre de PyTensor y continúa con el desarrollo de PyMC.^[29]​