课程介绍：机器学习的一个核心任务就是从观测到的数据中挖掘隐含的知识，概率图模型巧妙的结合了图论和概率论的知识，通过构建一个图，用观测结点表示观测到的数据，用隐含结点表示潜在的知识，用边来描述知识与数据的相互关系，获得一个概率分布。在给定概率分布的基础上通过进行inference和learning两个任务来获取知识，对于描述复杂的实际问题，构建大型的人工的人工智能系统意义重大。



学习时长：十周，建议每周至少四小时



课程目录

配套资料（代码、讲义、作业）

第1章 概率图模型简介

1.1 概率图模型简介



第2章 概率图模型的表示

2.1 概率论与图论基础知识

2.2 贝叶斯网络

2.3 马尔科夫随机场马尔科夫随机场

2.4 因子图

2.5 作业说明



第3章 概率图模型的精确推理

3.1 推理问题分类&变量消元法

3.2 团树传播算法

3.3 信念传播算法（BP算法）

3.4 二值图切法1

3.5 二值图切法2

3.5 作业说明



第4章 概率图模型的近似推理

4.1 BP算法的能量最小化解释

4.2基于图切法的近似推理

4.3 作业说明



第5章 概率图模型的学习

5.1 参数学习

5.2 结构学习



第6章 概率图模型的应用

6.1 条件随机场在自然语言处理中的应用

6.2 概率图模型在医学图像中的应用

6.3 概率图模型在计算机视觉中的应用