Denne kompakte introduksjonen gir et inngangspunkt til verden av inverse problemer og dataassimilering, rettet mot avanserte bachelorstudenter og nybegynnende masterstudenter innen matematisk vitenskap. Boken vil også være av interesse for forskere innen naturvitenskap og ingeniørfag som ønsker å forstå de systematiske grunnlagene for metodologier som er mye brukt i deres disipliner. Forfatterne undersøker både inverse problemer og dataassimilering før de dykker ned i hvordan datainnsamlingsmetoder kan brukes til å løse generelle inverse problemer ved å introdusere en kunstig algoritmisk tid. Emnene som dekkes omfatter maksimum a posteriori-estimering, (stokastisk) gradientnedstigning, variational Bayes, Monte Carlo, viktig sampling og Markov-kjede Monte Carlo for inverse problemer; samt 3DVAR, 4DVAR, utvidede og ensemble Kalman-filtre, og partikkelfiltre for dataassimilering. Boken inneholder en rekke eksempler og oppgaver, og kan brukes både som støtte til kurs og for selvstudier.
