???概率圖模型（PGM）的人工智能Ai領(lǐng)域最主要的一個(gè)研究與和領(lǐng)域，從技術(shù)的角度來(lái)看，概率圖模型技術(shù)包括貝葉斯網(wǎng)絡(luò)、馬爾可夫網(wǎng)絡(luò)，隱馬爾可夫網(wǎng)絡(luò)，這同樣的也是課程的最主要的三大課程內(nèi)容。而通過(guò)課程的學(xué)習(xí)，我們可以清楚的了解到PGM很巧妙的結(jié)合了圖論與概率論，這也就是PGM具有很強(qiáng)的應(yīng)用型的原因。而課程省略了一些繁瑣繁瑣的內(nèi)容，拆開來(lái)以學(xué)習(xí)實(shí)戰(zhàn)+作業(yè)的方式進(jìn)行教學(xué)實(shí)戰(zhàn)，這樣會(huì)更容易理解和消化。
===============課程目錄===============
(0)；目錄中文件數(shù):2個(gè)
├─(1) PGM大作業(yè).pdf
├─(2) 重錄馬爾科夫隨機(jī)場(chǎng).mp4
(1)\第1章 概率圖模型簡(jiǎn)介
(2)\第2章 概率圖模型的表示
(3)\第3章 概率圖模型的精確推理
(4)\第4章 概率圖模型的近似推理
(5)\第5章概率圖模型的學(xué)習(xí)
├─(3) 第五章作業(yè).pdf
(6)\第6章 概率圖模型的應(yīng)用；目錄中文件數(shù):0個(gè)
(7)\第1章 概率圖模型簡(jiǎn)介\第一節(jié)PGM簡(jiǎn)介；目錄中文件數(shù):2個(gè)
├─(4) PGM簡(jiǎn)介-1.1(0818).pptx
├─(5) 任務(wù)1-2：概率圖模型簡(jiǎn)介.mp4
(8)\第2章 概率圖模型的表示\第一節(jié)概率論與圖論基礎(chǔ)；目錄中文件數(shù):2個(gè)
├─(6) PGM表示-2.1(0818).pdf
├─(7) 任務(wù)3-2：概率論與圖論基礎(chǔ)知識(shí).mp4
(9)\第2章 概率圖模型的表示\第三節(jié)馬爾可夫隨機(jī)場(chǎng)；目錄中文件數(shù):2個(gè)
├─(8) 【課件】PGM表示-2.3馬爾科夫隨機(jī)場(chǎng).pdf
├─(9) 任務(wù)5-2：馬爾科夫隨機(jī)場(chǎng).mp4
(10)\第2章 概率圖模型的表示\第二章作業(yè)及說(shuō)明；目錄中文件數(shù):1個(gè)
├─(10) 任務(wù)2-2：第二章作業(yè)說(shuō)明.mp4
(11)\第2章 概率圖模型的表示\第二節(jié)貝葉斯網(wǎng)絡(luò)；目錄中文件數(shù):2個(gè)
├─(11) PGM表示-2.2.pdf
├─(12) 任務(wù)4-2：貝葉斯網(wǎng)絡(luò).mp4
(12)\第2章 概率圖模型的表示\第四節(jié)因子圖；目錄中文件數(shù):2個(gè)
├─(13) 【課件】PGM表示-2.4因子圖.pdf
├─(14) 任務(wù)6-2：因子圖.mp4
(13)\第3章 概率圖模型的精確推理\作業(yè)及代碼；目錄中文件數(shù):2個(gè)
├─(15) code.zip
├─(16) 第三章作業(yè)說(shuō)明.mp4
(14)\第3章 概率圖模型的精確推理\第一節(jié)推理問(wèn)題分類&變量消元法；目錄中文件數(shù):2個(gè)
├─(17) PGM精確推理3.1-3.2（0902）.pdf
├─(18) 任務(wù)8-2：推理問(wèn)題分類&變量消元法.mp4
(15)\第3章 概率圖模型的精確推理\第三節(jié)信念傳播算法（BP算法）；目錄中文件數(shù):2個(gè)
├─(19) PGM精確推理3.4.pdf
├─(20) 任務(wù)10-2：信念傳播算法（BP算法）.mp4
(16)\第3章 概率圖模型的精確推理\第二節(jié)團(tuán)樹傳播算法；目錄中文件數(shù):2個(gè)
├─(21) PGM精確推理3.3（0902）.pdf
├─(22) 任務(wù)9-2：團(tuán)樹傳播算法.mp4
(17)\第3章 概率圖模型的精確推理\第四節(jié)二值圖切法；目錄中文件數(shù):3個(gè)
├─(23) PGM精確推理3.5.pdf
├─(24) 任務(wù)11-2：二值圖切法 (2).mp4
├─(25) 任務(wù)11-2：二值圖切法.mp4
(18)\第4章 概率圖模型的近似推理\第一節(jié)：BP算法的能量最小化解釋；目錄中文件數(shù):2個(gè)
├─(26) PGM近似推理4-10921.pdf
├─(27) 任務(wù)12-2：BP算法的能量最小化解釋.mp4
(19)\第4章 概率圖模型的近似推理\第二節(jié)：基于圖切法的近似推理；目錄中文件數(shù):2個(gè)
├─(28) kk -09-29 16-35-40.mp4
├─(29) PGM近似推理4-20921.pdf
(20)\第4章 概率圖模型的近似推理\第四章作業(yè)；目錄中文件數(shù):3個(gè)
├─(30) code.zip
├─(31) to_compile_mf2.zip
├─(32) 第四章作業(yè)說(shuō)明.mp4
(21)\第5章概率圖模型的學(xué)習(xí)\第一節(jié)：參數(shù)學(xué)習(xí)；目錄中文件數(shù):2個(gè)
├─(33) PGM學(xué)習(xí)-5.1（0928）.pdf
├─(34) 任務(wù)15-2：參數(shù)學(xué)習(xí).mp4
(22)\第5章概率圖模型的學(xué)習(xí)\第二節(jié)：結(jié)構(gòu)學(xué)習(xí)；目錄中文件數(shù):2個(gè)
├─(35) PGM學(xué)習(xí)-5.2（0928）.pdf
├─(36) 任務(wù)16-2：結(jié)構(gòu)學(xué)習(xí).mp4
(23)\第6章 概率圖模型的應(yīng)用\第1節(jié) 條件隨機(jī)場(chǎng)在自然語(yǔ)言處理中的應(yīng)用；目錄中文件數(shù):2個(gè)
├─(37) PGM應(yīng)用6.1（1016）.pdf
├─(38) 第1節(jié) 條件隨機(jī)場(chǎng)在自然語(yǔ)言處理中的應(yīng)用.mp4
(24)\第6章 概率圖模型的應(yīng)用\第2節(jié) 概率圖模型在醫(yī)學(xué)圖像中的應(yīng)用；目錄中文件數(shù):2個(gè)
├─(39) PGM應(yīng)用6.2（1016）.pdf
├─(40) 第2節(jié) 概率圖模型在醫(yī)學(xué)圖像中的應(yīng)用.mp4
(25)\第6章 概率圖模型的應(yīng)用\第3節(jié) 概率圖模型在計(jì)算機(jī)視覺中的應(yīng)用；目錄中文件數(shù):2個(gè)
├─(41) 第3節(jié) 概率圖模型在計(jì)算機(jī)視覺中的應(yīng)用.mp4
├─(42) 第3節(jié) 概率圖模型在計(jì)算機(jī)視覺中的應(yīng)用.pdf
(26)\第2章 概率圖模型的表示\第二章作業(yè)及說(shuō)明\HW第二章；目錄中文件數(shù):1個(gè)
├─(43) PGM表示-hw(0825).pdf
(27)\第2章 概率圖模型的表示\第二章作業(yè)及說(shuō)明\HW第二章\PGM-hw1；目錄中文件數(shù):1個(gè)
├─(44) A Comparative Study of Energy Minimization.pdf
(28)\第2章 概率圖模型的表示\第二章作業(yè)及說(shuō)明\HW第二章\PGM-hw1\code；目錄中文件數(shù):6個(gè)
├─(45) AssignmentToIndex.m
├─(46) BN_Represent.m
├─(47) FactorMarginalization.m
├─(48) FactorProduct.m
├─(49) FactorTutorial.m
├─(50) IndexToAssignment.m
