每天寫一千字的blog，這個是http://www.cnfeat.com/ 提出的，我也想這樣做。可能是覺得每天固定做點兒什麼事情確實會比較cool吧。雖然我有時候不知道自己應該寫什麼。那麼今天就寫一下我對愛丁堡大學PMR這門課的想法吧（Probability modeling and reasoning in the University of Edinburgh）。應該很多學校都有類似的課程，但是名字不盡相同，所以我也不知道哪兒有。。。
PMR這門課被稱爲愛丁堡大學AI方向最難的兩門課之一（另一門是MLPR）。其高居不下的掛科率，相比於其他課少的可憐的選課人數，特別是中國人比例大概只有10%（沒有調查，不過確實不多吧），讓很多中國留學生望而生畏。嗯，然後在這個時候我冒天下之大不韙的不自量力的選擇了這門課程，原因就是我特別想知道這門讓大家不敢選的課程究竟有多難。結果，嗯還好，僥倖拿了B。好多大神拿了A,A1,A2,A3呀~~~（PMR老師的博士生選擇標準是80+，也就是A2）。提前說明，我是渣渣，寫來這裏，爲了幫助學弟學妹，也爲了讓自己複習一下
經過最初的惶恐，中期的暫時性遺忘（因爲平時作業太多了），被assignment拉回現實，並被期末考試逼到熬夜複習，到現在已經有將近四個月了，很多東西當時沒學明白的-----現在還不明白；當時明白的-----現在忘記了，呃。有點兒浪費啊，所以我想要現在來記錄一下，複習一下，同時也給可能需要的學弟學妹一點指導建議，反正這門課第二個學期纔開始，現在寫完全來得及。
首先，請樹立自己的信心。這門課之所以難是因爲國內沒有這方面的課程（清華好像有的），同時沒有這方面的教材，或者說不流行這門課。其次是因爲語言的關係，裏面有很多term是我們之前可能沒有接觸過的。簡單來說，從PMR這個題目上面，我們就看不懂究竟是什麼鬼。
其次，請明確自己的目標和課程規劃。一般來說，研究生應該有一個自己的研究方向，英國的一年taught研究生因爲學制的關係，不像US或者國內的研究生一樣有自己的實驗室或者自己明確的研究方向，但是你的畢業設計，其實某些程度上就是你的研究方向了。所以請逐步清晰的規劃自己的研究方向。（舉個不算成功的例子，我自己：本科渣渣，研究生的時候從iaml+mlp開始補充ML的基礎知識，後期學習了MT，然後繼續延伸ML的知識：PMR。別的課程隨你選擇咯。這樣我的方向基本就是MLP/ML/MT。當然，由於我們的MLP課程是以CNN爲主，所以我也懂一些圖像的知識）。
最後，用人話概括一下PMR的內容，並附上一些參考資料。
PMR這門課（2016-17的課程設置）從因子圖（Factor graph）開始講解，這個是概率圖的一種。這裏單獨將因子圖的特性（依賴性等）先講出來，然後講利用他來進行inference（推測）。接下因子圖做一些特點的變化就變成了BayesianNetwork (貝葉斯網絡)和Markov RandomFields(馬爾可夫隨機場)這兩個很流行的概念。然後，講到他的學習和推理。中間插入了指數的講解。到此，我認爲就告一段落了。（因子圖-BN,MRF-訓練及預測+指數）
第二部分是估約學習和推理，採樣，玻爾茲曼機，決策論，隱馬爾科夫和線性動態系統，我將它放到第二部分。
我是這樣理解這門課的，如果你弄懂了第一部分，那麼及格應該沒什麼問題，而第一部分是這門課的基礎。如果你弄懂了第二部分，那就根據你的理解程度到B-A1-A2-A3吧。
最後，很多人會糾結這門這麼難的課又沒有用。這個要看你需不需要啊，對不對。
我選擇這門課的原因：我就是不爽都說這門課這麼難，我就想要試試看自己會不會掛。
我學完之後最大的感觸就是，哇這個BN真的很有意思！其次，這個馬爾科夫模型對我理解N-gram的推導有很大的幫助。然後玻爾茲曼機和NN有點奇妙的聯繫。最後這門課整體上好像是現在機器學習的數學理論版。嗯這是我的感觸。
到現在呢……我真的都忘記了，努力回憶一下，明天開始因子圖。
推薦資料：
Courser: PGM。
BTW, EDINBURGH IS A GOOD PLACE. I MISS EVERY NIGHT SPENT THERE.