Boken "Network Models for Data Science" tar for seg både teori og anvendelser av nettverksvitenskap og retter seg mot masterstudenter innen statistikk, datavitenskap, datamaskinvitenskap, maskinlæring og matematikk. Den henvender seg også til viderekomne studenter innenfor felt som økonomi, beregningsbiologi, fysikk, samfunnsvitenskap og ingeniørfag som arbeider med store og komplekse relasjonsdatasett. Denne teksten presenterer et spennende utvalg av analyseverktøy, inkludert sannsynlighetsmodeller, grafteori og beregningsalgoritmer, og gir studentene innsikt i ulike perspektiver på data som skiller seg fra typiske statistiske datamodeller. Konsepter belyses gjennom praktiske eksempler, som for eksempel relasjoner mellom finansinstitusjoner, mellom gener eller proteiner, mellom nevroner i hjernen, og mellom terroristgrupper. Boken beskriver detaljert metoder og modeller, herunder tilfeldige grafmodeller, perkolasjonsprosesser, teknikker for sampling fra store nettverk, nettverksdeling og oppdagelse av fellesskap. I tillegg til statiske nettverk omhandler boken også dynamiske nettverksmodeller, som gir en omfattende forståelse av hvordan slike systemer fungerer.
