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.