La rete bayesiana è una combinazione di modello probabilistico e modello a grafo. Si applica ampiamente nell'apprendimento automatico, nell'estrazione di dati, nella diagnosi, ecc. perché ha una solida inferenza basata sull'evidenza che è familiare all'intuizione umana. Tuttavia, la rete bayesiana può causare confusioni perché ci sono molti concetti complicati, formule e diagrammi relativi ad essa. Tali concetti dovrebbero essere organizzati e presentati in un modo così chiaro che la comprensione sia facile. Questo è l'obiettivo di questa relazione. La relazione comprende 5 sezioni principali che coprono i principi della rete bayesiana. La sezione 1 è un'introduzione alla rete bayesiana che fornisce alcuni concetti di base. I concetti avanzati sono menzionati nella sezione 2. Il meccanismo di inferenza della rete bayesiana è descritto nella sezione 3. L'apprendimento dei parametri che ci dice come aggiornare i parametri della rete bayesiana è descritto nella sezione 4. La sezione 5 si concentra sull'apprendimento della struttura che menziona come costruire la rete bayesiana. In generale, tre argomenti principali della rete bayesiana sono l'inferenza, l'apprendimento dei parametri e l'apprendimento della struttura che sono menzionati nelle sezioni successive 3, 4 e 5. La sezione 6 è la conclusione.