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 [...]