哥伦比亚大学2016年贝叶斯机器学习讲义,讲解了基本的贝叶斯建模的方法与思想,拉普拉斯近似,吉布斯采样,EM算法,变分推断等。其中核心内容为变分推断,并用该算法研究了一系列问题,如隐狄里克莱分布、高斯混合模型、隐马尔科夫模型等。本讲义可作为贝叶斯机器学习的入门讲义。我个人正在研究这方面的内容,欢迎感兴趣的小伙伴一起交流。我之后还会上传我个人关于该讲义的阅读心得,希望能与大家讨论,也希望大家指出我的不足之处。