Introduction

본 블로그에서는 Kevin P. Murphy의 Probabilistic Machine Learning: An Introduction 을 요약, 정리합니다. 각 chapter에 있는 연습문제들의 solution 일부도 업로드될 예정입니다. 처음 책을 접하셔서 막막하신 분들, 새로 읽기 시작하시려는 분들, 또는 책을 읽지 않고 가볍게 내용을 skimming하시려고 하는 분들 모두에게 도움이 되었으면 하는 바람입니다.

Hosted by Hyungjin Chung.
Link to Homepage
Link to google scholar

Chapter 1. Introduction

• 0. Overview
• 1. Introduction

Chapter 2. Probabilistic Inference

• 0. Overview
• 1. Introduction
• 2. Bayes' rule
• 3. Bayesian concept learning
• 4. Bayesian machine learning

Chapter 3. Probabilistic Models

• 1. Bernoulli and binomial distributions
• 2. Categorical and multinomial distributions
• 3. Univariate Gaussian (normal) distribution
• 4. Some other common univariate distributions
• 5. The multivariate Gaussian (normal) distribution
• 6. Linear gaussian systems
• 7. Mixture Models

Chapter 4. Statistics

• 6. Bayesian statistics

Solutions & Proofs

• Multivariate conditional gaussian distribution
• Linear Gaussian system
• Fisher Information Matrix