**：
讀書會成立屬於偶然，一次群裡無聊到極點，有人說pattern recognition and machine learning這本書不錯，加之有好友之前推薦過，便發了封群郵件組織這個讀書會，採用輪流講課的方式，如果任務能分配下去就把讀書會當作群員的福利開始進行，分配不下去就算了。後來我的幾位好友：網神兄、戴瑋博士、張巍博士、planktonli老師、常象宇博士紛紛出來支援這個讀書會。待任務分配完，設定好主持人和機動隊員，我認為就不需要再參與了，但進行不久，也充當機動隊員講了第
二、六、九、十一章，並承擔了所有的整理回顧工作。隨著讀書會的進行漸漸發現prml這本書可以用驚豔二字來形容，每講一章之前我們都花費大量時間精力做準備，然後用聊天的方式白話講課，盡量做到通俗易懂，一章內容太多便分幾次講，講的不滿意便重新講，一共講課23次，加上整理回顧前後進行了兩遍，歷時一年半這份講稿合集才與大家見面。以下是各章的簡介：
第一章introduction
由西安交通大學常象宇博士主講，深入淺出的介紹了機器學習的基本概念、學習理論、模型選擇、維災等。
第二章probability distributions
的貝塔-二項式、狄利克雷-多項式共軛、高斯分布、指數族等很基礎也很重要。出於各種原因我前後講了三次，直到比較滿意為止。
理解機器學習莫過於從最基礎的線性模型開始，
第三章 linear models for regression
由西北大學planktonli老師主講，介紹了線性基函式模型、正則化方法、貝葉斯線性回歸及其與核函式的聯絡等內容，為後面幾章打下了良好基礎。
第四章linear models for classification
仍由西北大學planktonli老師主講，介紹了貝葉斯的marginalization概念、fisher線性判別、感知機、分類器概率生成和判別模型的區別與聯絡、邏輯回歸的最大似然引數估計、貝葉斯邏輯回歸的laplace近似推斷等內容。
第五章neural networks
第六章kernel methods
，介紹了核函式的定義、構建方法，通過線性回歸的dual representations推導說明由基於特徵到基於樣本學習的轉換；最後是動感十足的高斯過程gaussian processes，包括gp的協方差矩陣形式、超參、**等內容。
第七章sparse kernel machines
第八章graphical models
第九章mixture models and em
，主要內容有：kmeans演算法；混合高斯模型以及em（expectation maximization）演算法在gmm中的應用；一般em演算法性質的推導和證明。
第十章的主要內容是變分推斷（variational inference）
第十一章的主要內容是mcmc（markov chain monte carlo）
，包括：馬爾科夫鏈平穩分布的定義及其充分條件：細緻平穩條件的證明；metropolis-hastings及其接受率滿足細緻平穩條件的推導，接受率恒為1的gibbs sampling；最後是slice sampling、hamiltonian mcmc。
第十二章連續隱變數
第十三章sequential data
最後一章combining models
@copper_pku
@紅燒魚_機器學習
@priceton
@unluckyallen
讀書會qq群：一號群：177217565（已滿） ；
二號群：424269692 **時請在申請裡用簡短的話描述一模型或演算法的關鍵思想。
@nietzsche_複雜網路機器學習
讀書會2023年總結
今晚，志同道合的朋友們又做到了一起，對2012年的讀書情況做了一次彙總工作，個人的最大感觸是 1 乙個組織裡面，每個人的想法和思想層次是層次不齊的，要允許這種層次的存在，並且要利用好這種層次不齊，而形成健康的團隊成長梯隊，這樣組織才能成長 2 規則的變動時漸變的，而不是激進的，完全創新的 這一點從 ...
簡單讀書會 第2018 10 18期
1 正確的努力，嘗試拒絕不必要的東西 life is short do what u want to do,just do it is focused 注意力在 生產力就在 組織是共同規則。一般的公司職員 學生 生產線的工人 軍人 犯人都是共同規則管理。二級組織是共同利益。平時管士兵是共同規則 打仗...
簡單讀書會 第2018 10 18期
1 正確的努力，嘗試拒絕不必要的東西 life is short do what u want to do,just do it is focused 注意力在 生產力就在 組織是共同規則。一般的公司職員 學生 生產線的工人 軍人 犯人都是共同規則管理。二級組織是共同利益。平時管士兵是共同規則 打仗...