Bayesiansk optimalisering er en metode for å optimalisere dyre objektive funksjoner, og har vist seg å være svært effektiv innen vitenskap, ingeniørfag og andre felt. Denne nettskjønnede teksten gir en helhetlig og lettfattelig introduksjon til emnet, fra grunnen av og systematisk bygger opp de sentrale ideene. Tilnærmingen er konstruktiv og belyser felles temaer i utformingen av algoritmer for Bayesian optimalisering, samtidig som den legger et solid teoretisk grunnlag for å håndtere nye situasjoner. Bokens hoveddel er delt inn i tre hovedkapitler som dekker både teoretiske og praktiske aspekter av Gaussian prosessmodellering, den bayesianske tilnærmingen til sekvensielle beslutningsprosesser, samt realiseringen og beregningen av praktiske og effektive optimaliseringspolitikker. Etter dette grunnleggende materialet gir boken en oversikt over teoretiske konvergensresultater, en gjennomgang av bemerkelsesverdige utvidelser, en omfattende historie om Bayesian optimalisering, samt en detaljert annotert bibliografi med anvendelser.
