Livro didático de modelos gráficos probabilísticos

Os "Modelos Gráficos Probabilísticos" de Koller são adequados como livros didáticos? Ou existe outro livro que seja mais recomendável como livro didático para um curso de mestrado?

Isenção de responsabilidade: publicado em quora.com, onde não recebi resposta.

Sim, está escrito como tal e contém exemplos de perguntas, para as quais você pode solicitar as respostas aqui

Você também pode dar uma olhada no Reconhecimento de Padrões e no Aprendizado de Máquina, de Chris Bishop , e nos algoritmos de Teoria da Informação, Inferência e Aprendizado, de David MacKay, que também podem ser baixados gratuitamente . Ambos cobrem alguns aspectos de modelos gráficos, além de fornecer uma visão geral dos métodos probabilísticos.

Passei um pouco lendo os primeiros capítulos de Koller & Friedman e não fiquei satisfeito com isso como um texto introdutório. Em várias ocasiões, o livro fornece um exemplo motivador, mas o exemplo não pode ser entendido sem material de apoio mais adiante neste capítulo. Esse tipo de exposição funciona para mim apenas se o exemplo disser explicitamente que material futuro será relevante; caso contrário, os exemplos são apenas magia incompreensível.

Dito isto, é um tomo robusto e provavelmente uma excelente referência para os praticantes.

Um aluno pode ter mais sorte com o napolitano, "Learning Bayesian Networks".

Eu preferiria o livro Modelos Gráficos de Steffen L. Lauritzen e sua palestra em Oxford .