PyMC3是一个Python包，用于贝叶斯统计建模和概率机器学习，它聚焦于高级马尔可夫链蒙特卡洛法和变分拟合算法。它是从以前版本的PyMC软件从头开始写成的。

不同于使用Fortran扩展进行计算的PyMC2，PyMC3依靠Theano来自动微分，还有计算优化和动态C编译。从版本3.8开始PyMC3依据ArviZ（英语：ArviZ）来处理绘图、分析和统计检查。PyMC3和Stan（英语：Stan (software)）是两个最流行的概率编程工具。

PyMC3是开源项目，由社区开发并在财务上得到NumFocus赞助。PyMC3已经在很多领域中被用于解决推断问题，包括天文学、流行病学、分子生物学、晶体学、化学、生态学和心理学。

在Theano于2017年宣布计划停止开发之后，PyMC3团队评估采用TensorFlow Probability作为计算后端，但是在2020年决定接管Theano的开发。在2021年1月绝大部分的Theano-PyMC代码基被重造并增加了通过JAX编译。PyMC团队计划以新名字发行修订后的计算后端并继续开发PyMC3。

PyMC3实现了不基于梯度的和基于梯度的马尔可夫链蒙特卡洛（MCMC）算法用于贝叶斯推断和随机（Stochastic（英语：Stochastic）），基于梯度的变分贝叶斯方法（英语：variational Bayesian methods）用于近似贝叶斯推断。