在和Sparse啊Optimization啊之类的东西抗争半年之后

我还是决定将之后一年的主要努力方向改为deep generative model。。。

嘛。。。然后基本就是需要开始狂补PGM相关的知识了,我决定学某位学长,尽量将自己的学习笔记和思考纪录下来(立flag)

就先说下现在网上找到的pgm学习资源的话

Coursera上Koller大婶的Probabilistic Graphical Models

https://class.coursera.org/pgm-003/lecture

Koller大婶1200页的书我觉得我是不会有动力从头到位读了,虽然翻了下应该还是挺深入浅出的,扫了下一些学校PGM课程用的教材,好像除了Stanford没什么主推这书
这个Coursera课程感觉应该是整本书的一个综述吧。。。反正要看什么具体的到她书上找就是了,也没看她课程上布置什么阅读任务,可能我觉得这个比较适合当辅助材料,如果知识扫一遍视频应该也不用花几天
这么看来给我的感觉有点像Boyd的ee364a/cvx101和Convex Optimization的关系,厉害的东西都在ee364b,毕竟现在解凸优化也基本都是ADMM和近似算子,嘛,对于智商不足只能应用的人来说,Optimization毕竟还只是一种工具,也没必要花费过多的精力在上面

Columbia的David Blei的Foundations of Graphical Models

http://www.cs.columbia.edu/~blei/fogm/2015F/index.html

LDA祖师,看到他写“I developed LDA with Andrew Ng and Michel Jordan in the late nineties. Note it was my final project in a class like this. Andrew Ng was the TA; Michael Jordan was the professor.”,简直吓尿
给的阅读材料应该都挺不错的

Eric Xing的Probabilistic Graphical Models

http://www.cs.cmu.edu/~epxing/Class/10708-16/lecture.html

这课14年版有视频,不过我觉得16年版给的阅读材料安排的更好,大势所趋增加了不少deep learning的内容
我应该还是以这个为主进行学习吧。。
但Eric Xing的课也是变态。。。那些作业题。。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>