是否有关于贝叶斯概率论或图形模型的示例教程？

我看过在R中学习贝叶斯概率论的参考文献，我想知道是否还有更多类似的东西，也许专门在Python中？面向学习贝叶斯概率理论，推理，最大似然估计，图形模型和排序？

从2012年1月下旬开始，斯坦福大学教授达芙妮·科勒（Daphne Koller）将免费在线举办为期10周的主题为概率图形模型的课程。这被认为是Andrew NG的ML课程的自然延续，并且如果它在Andrew的附近，那么它的质量将会很高。

此外，还有mathmonk的 - 免费YouTube视频，涵盖了许多主题，例如MLE，贝叶斯网络，它们的数学运算量更大。

AI课程单元3.x AI概率和4.x概率推理（如果您在http://www.ai-class.com上创建帐户，则可能会在一个有序的界面中看到它们）

更多：
http : //www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html

ipython笔记本的大量使用和学习贝叶斯方法是概率编程和贝叶斯黑客方法。如果使用的是Ipython / Scipy堆栈，则可以下载笔记本并在本地运行示例代码。它的交互式控制台非常适合学习，测试和编写Python。

Ipython：http：//ipython.org/

如果您真的想学习贝叶斯统计的基本概念，那么绝对应该阅读安德鲁·盖尔曼（Andrew Gelman）撰写的贝叶斯数据分析。我鼓励你练习。您将从中学到很多东西。对贝叶斯统计进行数学运算是学习概率图形模型的重要一步。看来您是贝叶斯概念的新生。如果您还没有学习任何基本概念并且不熟悉贝叶斯数学计算，请不要草率阅读概率图形模型。如果您已阅读安德鲁·伍（Andrew Ng）提供的斯坦福大学视频讲座，您知道我的建议。

刚刚遇到了这个MOOC“飞行机器人的自主导航”（https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0）。在课程中，讲师教参与者如何编程（python）飞行机器人进行自主导航，利用贝叶斯统计量进行状态估计和其他有用的技术（例如，噪声传感器输入的卡尔曼滤波）。令人高兴的是，一个人在课堂上编写的代码可用于某些市售飞行机器人，因此以后人们可以对此进行更多研究，并寻求改进贝叶斯状态估计的可能性。

对于Ipython Notebook“黑客的概率编程和贝叶斯方法”，我也强烈推荐它。之前没有遇到过如此易于访问和全面的介绍，并且在相对较短的时间内就学到了很多东西！