概率图模型: Coursera课程资源分享和简介

　　本博客中概率图模型（Probabilistic Graphical Model）系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线，结合资料（每篇博文脚注都附有链接）加以补充. 为便于对照课程查阅，博文的章节编号与课程视频编号一致. 博文持续更新（点击这里见系列笔记目录页），丰富课程资源见 PGM（概率图模型）Coursera: 课程资源分享和简介.

课程内容

　　概率图模型的表示刻画了模型的随机变量在变量层面的依赖关系, 反映出问题的概率结构以及推理的难易程度, 也为推理算法提供了可以操作的数据结构. 概率图模型的表示方法有多种比如常见贝叶斯网络、马尔可夫网络、因子图等.
　　
　　Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 可在 Coursera 上学习，并且配有编程作业. 该课程主要包括了1：

1. 贝叶斯网络及马尔可夫网络的概率图模型表示及变形。
2. Reasoning 及 Inference 方法，包括ex