Ce livre est une introduction approfondie aux fondements formels et aux applications pratiques des réseaux bayésiens. Il fournit une discussion approfondie des techniques de construction de réseaux bayésiens qui modélisent des situations réelles, y compris les techniques de synthèse de modèles à partir de modèles de conception, d’apprentissage de modèles à partir de données et de débogage de modèles à l’aide de l’analyse de sensibilité. Il traite également des algorithmes d’inférence exacts et approchés aux niveaux théorique et pratique. Le traitement des algorithmes exacts couvre les principaux paradigmes d’inférence basés sur l’élimination et le conditionnement et inclut des méthodes avancées pour compiler les compromis espace-temps des réseaux bayésiens et exploiter la structure locale des réseaux massivement connectés. Le traitement des algorithmes approximatifs couvre les principaux paradigmes d’inférence basés sur l’échantillonnage et l’optimisation et inclut des algorithmes influents tels que l’échantillonnage d’importance, le MCMC et la propagation des croyances. L’auteur suppose très peu d’informations sur les sujets abordés, fournissant des discussions approfondies pour les lecteurs enclins à la théorie et suffisamment de détails pratiques pour fournir un livre de cuisine algorithmique pour le développeur du système. Langue : Anglais