爱丁堡大学的PMR(PMR in the University of Edinburgh)【1】

每天写一千字的blog,这个是http://www.cnfeat.com/ 提出的,我也想这样做。可能是觉得每天固定做点儿什么事情确实会比较cool吧。虽然我有时候不知道自己应该写什么。那么今天就写一下我对爱丁堡大学PMR这门课的想法吧(Probability modeling and reasoning in the University of Edinburgh)。应该很多学校都有类似的课程,但是名字不尽相同,所以我也不知道哪儿有。。。

 

PMR这门课被称为爱丁堡大学AI方向最难的两门课之一(另一门是MLPR)。其高居不下的挂科率,相比于其他课少的可怜的选课人数,特别是中国人比例大概只有10%(没有调查,不过确实不多吧),让很多中国留学生望而生畏。嗯,然后在这个时候我冒天下之大不韪的不自量力的选择了这门课程,原因就是我特别想知道这门让大家不敢选的课程究竟有多难。结果,嗯还好,侥幸拿了B。好多大神拿了A,A1,A2,A3呀~~~(PMR老师的博士生选择标准是80+,也就是A2)。提前说明,我是渣渣,写来这里,为了帮助学弟学妹,也为了让自己复习一下

 

经过最初的惶恐,中期的暂时性遗忘(因为平时作业太多了),被assignment拉回现实,并被期末考试逼到熬夜复习,到现在已经有将近四个月了,很多东西当时没学明白的-----现在还不明白;当时明白的-----现在忘记了,呃。有点儿浪费啊,所以我想要现在来记录一下,复习一下,同时也给可能需要的学弟学妹一点指导建议,反正这门课第二个学期才开始,现在写完全来得及。

 

首先,请树立自己的信心。这门课之所以难是因为国内没有这方面的课程(清华好像有的),同时没有这方面的教材,或者说不流行这门课。其次是因为语言的关系,里面有很多term是我们之前可能没有接触过的。简单来说,从PMR这个题目上面,我们就看不懂究竟是什么鬼。

 

其次,请明确自己的目标和课程规划。一般来说,研究生应该有一个自己的研究方向,英国的一年taught研究生因为学制的关系,不像US或者国内的研究生一样有自己的实验室或者自己明确的研究方向,但是你的毕业设计,其实某些程度上就是你的研究方向了。所以请逐步清晰的规划自己的研究方向。(举个不算成功的例子,我自己:本科渣渣,研究生的时候从iaml+mlp开始补充ML的基础知识,后期学习了MT,然后继续延伸ML的知识:PMR。别的课程随你选择咯。这样我的方向基本就是MLP/ML/MT。当然,由于我们的MLP课程是以CNN为主,所以我也懂一些图像的知识)。

 

最后,用人话概括一下PMR的内容,并附上一些参考资料。

PMR这门课(2016-17的课程设置)从因子图(Factor graph)开始讲解,这个是概率图的一种。这里单独将因子图的特性(依赖性等)先讲出来,然后讲利用他来进行inference(推测)。接下因子图做一些特点的变化就变成了BayesianNetwork (贝叶斯网络)和Markov RandomFields(马尔可夫随机场)这两个很流行的概念。然后,讲到他的学习和推理。中间插入了指数的讲解。到此,我认为就告一段落了。(因子图-BN,MRF-训练及预测+指数)

第二部分是估约学习和推理,采样,玻尔兹曼机,决策论,隐马尔科夫和线性动态系统,我将它放到第二部分。

 

我是这样理解这门课的,如果你弄懂了第一部分,那么及格应该没什么问题,而第一部分是这门课的基础。如果你弄懂了第二部分,那就根据你的理解程度到B-A1-A2-A3吧。

 

最后,很多人会纠结这门这么难的课又没有用。这个要看你需不需要啊,对不对。

 

我选择这门课的原因:我就是不爽都说这门课这么难,我就想要试试看自己会不会挂。

 

我学完之后最大的感触就是,哇这个BN真的很有意思!其次,这个马尔科夫模型对我理解N-gram的推导有很大的帮助。然后玻尔兹曼机和NN有点奇妙的联系。最后这门课整体上好像是现在机器学习的数学理论版。嗯这是我的感触。

 

到现在呢……我真的都忘记了,努力回忆一下,明天开始因子图。

 

推荐资料:

Courser: PGM



BTW, EDINBURGH IS A GOOD PLACE. I MISS EVERY NIGHT SPENT THERE.

你可能感兴趣的:(机器学习)