Den tidligere esoteriske ideen om å integrere vitenskapelig databehandling i et probabilistisk rammeverk, særlig innen rammen av den bayesianske tilnærmingen, har nylig fått stor popularitet og blitt anvendt innen en rekke områder. Denne boken gir en innsidekikk på hvordan man kan kombinere to etablerte felt, vitenskapelig computing og bayesiansk inferens, til et kraftfullt språk som utnytter kapabilitene fra begge komponenter for å oppnå databehandlingsmessig effektivitet, høy oppløsning og evne til usikkerhetskvantifisering. Innflytelsen fra bayesiansk vitenskapelig databehandling har vært spesielt betydningsfull innen området beregningsmessige inversproblemer, hvor data ofte er knappe eller av lav kvalitet, men hvor man kan ha tilgang til enkelte karakteristikker av den ukjente løsningen a priori. Evnen til å kombinere fleksibiliteten i det bayesianske probabilistiske rammeverket med effektive numeriske metoder har bidratt til populariteten til bayesiansk inversjon, hvor den prior distribusjonen fungerer som motpart til klassiske metoder.
