Denne bog er en grundig introduktion til det formelle grundlag og praktiske anvendelser af Bayesianske netværk. Det giver en omfattende diskussion af teknikker til opbygning af bayesianske netværk, der modellerer virkelige situationer, herunder teknikker til syntetisering af modeller fra design, læringsmodeller fra data og fejlretning af modeller ved hjælp af følsomhedsanalyse. Det behandler også nøjagtige og omtrentlige inferensalgoritmer på både teoretisk og praktisk niveau. Behandlingen af nøjagtige algoritmer dækker de vigtigste inferensparadigmer baseret på eliminering og konditionering og inkluderer avancerede metoder til kompilering af bayesianske netværk, time-space tradeoffs og udnyttelse af lokal struktur af massivt forbundne netværk. Behandlingen af omtrentlige algoritmer dækker de vigtigste inferensparadigmer baseret på prøveudtagning og optimering og inkluderer indflydelsesrige algoritmer såsom vigtighedsprøveudtagning, MCMC og trosudbredelse. Forfatteren antager meget lidt baggrund om de dækkede emner, der leverer dybtgående diskussioner til teoretisk tilbøjelige læsere og nok praktiske detaljer til at give en algoritmisk kogebog til systemudvikleren. Sprog: Engelsk