Kursen består av tre moduler som behandlar grafiska modeller, algoritmer för att dra slutsatser med hjälp av eller lära upp sådana modeller, samt kombinationen av logiska och probabilistiska ansatser till kunskapsrepresentation och resonerande.
Områden som diskuteras inkluderar probabilistiska grafiska modeller, orsaksbaserade modeller, 'interventional' fördelningar och algoritmer för strukturinlärning (modul 1); Markov Chain Monte Carlo-ansatser, uppskattningsbaserade meddelanden och variationsbaserad slutsatsdragning, med fokus på slutsatser inom probabilistiska grafiska modeller (modul 2); Generaliserade syntax och semantik för sats- och predikatlogik, samt viktiga resultat inom algoritmisk bestämbarhet och effektivitet för logiska formalismer (modul 3).