Mønster gjenkjenning har sine røtter i ingeniørfag, mens maskinlæring har utviklet seg fra datavitenskap. Disse aktivitetene kan imidlertid betraktes som to sider av samme sak, og sammen har de gjennomgått betydelig utvikling det siste tiåret. Spesielt har Bayesianske metoder vokst fra et spesialisert nisjeområde til å bli en del av mainstream, mens grafiske modeller har oppstått som en generell ramme for beskrivelse og anvendelse av probabilistiske modeller. Den praktiske anvendeligheten av Bayesianske metoder har også blitt betydelig forbedret gjennom utviklingen av en rekke omtrentlige inferensalgoritmer som variational Bayes og expectation propagation. På samme måte har nye modeller basert på kjerner hatt en betydelig innvirkning på både algoritmer og anvendelser. Denne nye læreboken tar for seg disse nylige utviklingene og gir en grundig introduksjon til feltene mønstergjenkjenning og maskinlæring. Boken er rettet mot avanserte bachelorstudenter eller førsteårs PhD-studenter.
