Dit boek is een grondige inleiding tot de formele grondslagen en praktische toepassingen van Bayesiaanse netwerken. Het biedt een uitgebreide bespreking van technieken voor het bouwen van Bayesiaanse netwerken die situaties in de echte wereld modelleren, inclusief technieken voor het synthetiseren van modellen uit ontwerp, leermodellen uit gegevens en foutopsporingsmodellen met behulp van gevoeligheidsanalyse. Het behandelt ook exacte en benaderende inferentie-algoritmen op zowel theoretisch als praktisch niveau. De behandeling van exacte algoritmen omvat de belangrijkste inferentieparadigma's op basis van eliminatie en conditionering en omvat geavanceerde methoden voor het compileren van Bayesiaanse netwerken, tijd-ruimte tradeoffs en het exploiteren van de lokale structuur van massaal verbonden netwerken. De behandeling van benaderende algoritmen omvat de belangrijkste inferentieparadigma's op basis van bemonstering en optimalisatie en omvat invloedrijke algoritmen zoals belangsbemonstering, MCMC en geloofsverspreiding. De auteur gaat uit van zeer weinig achtergrondinformatie over de behandelde onderwerpen, wat diepgaande discussies oplevert voor theoretisch ingestelde lezers en voldoende praktische details om een algoritmisch kookboek voor de systeemontwikkelaar te bieden. Taal: Engels