Mønster gjenkjenning har sine røtter i ingeniørfag, mens maskinlæring stammer fra datavitenskap. Disse aktivitetene kan imidlertid betraktes som to sider av samme felt, som sammen har gjennomgått betydelig utvikling de siste ti årene. Spesielt har Bayesianske metoder beveget seg fra å være et spesialistisk nisjeområde til å bli en del av mainstream. Grafiske modeller har også etablert seg som en generell ramme for å beskrive og anvende probabilistiske modeller. Den praktiske anvendelsen av Bayesianske metoder har blitt sterkt forbedret gjennom utviklingen av en rekke omtrentlige inferensalgoritmer, som variational Bayes og expectation propagation. På samme måte har nye modeller basert på kjerner hatt betydelig innvirkning både på algoritmer og applikasjoner. Denne nye læreboken adresserer disse nylige utviklingene, samtidig som den gir en omfattende introduksjon til områdene mønster gjenkjenning og maskinlæring. Boken er tiltenkt avanserte bachelorstudenter eller førsteårs PhD-studenter.
