A03 / advanced
无监督学习与概率图模型
无监督学习与概率图模型围绕第一编 聚类与降维、第二编 概率图模型、第三编 潜变量与综合复习建立连续章节顺序。
- 结构
- 3 Parts · 6 章
- 适合读者
- 适合完成相关本科基础课程、需要进入高级理论与计算方法的读者。
- 正文状态
- 0 章已有正文，6 章已规划
BEFORE READING
先修与记号
本册对象
覆盖聚类、降维、潜变量模型、贝叶斯网络和近似推断。
符号约定
- 本册在首次使用时定义无监督学习与概率图模型专用符号，并区分标量、向量、算子与单位。
- 同一符号出现多种约定时明确命名空间、假设和适用章节。
COMPLETE CONTENTS
完整目录
第一编 聚类与降维
第一编 聚类与降维组织聚类目标、K 均值与密度方法、主成分分析与流形降维，形成连续的学习单元。
第二编 概率图模型
第二编 概率图模型组织贝叶斯网络与 Markov 随机场、变量消元、消息传递与精确推断，形成连续的学习单元。
第三编 潜变量与综合复习
第三编 潜变量与综合复习组织EM 算法与变分推断、无监督学习与概率图模型综合复习，形成连续的学习单元。
综合练习计划
- 每章安排定义辨析、推导计算和结果核验练习。
- 本册末章安排跨 Part 综合题，并保留可复算的解题检查点。
参考资料计划
- TODO：为《无监督学习与概率图模型》逐项核验权威教材、课程页面或原始论文后登记资源 ID。
修订状态
课程 Schema v1。目录与章节位置已登记；参考资料需逐项核验后进入正式正文。