从 2012 年 1 月下旬开始，斯坦福大学教授Daphne Koller将在网上免费举办为期10 周的概率图形模型课程。它被认为是Andrew NG 的 ML 课程的自然延续，如果它在 Andrew 附近的任何地方，它将具有精美的品质。

还有mathmonk的免费 youtube 视频，涵盖许多主题，如 MLE、贝叶斯网络，它们更重数学。

ai-class 课程单元3.x 人工智能中的概率和4.x 概率推理（如果您在http://www.ai-class.com上创建一个帐户，您可能会在一个漂亮的有序界面中看到它们）

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

ipython notebook 和学习贝叶斯方法的大量使用是概率编程和黑客贝叶斯方法。如果您使用的是 Ipython /Scipy 堆栈，您可以下载 notebook 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。

伊蟒： http ://ipython.org/

如果你真的想学习贝叶斯统计的基本概念，你绝对应该阅读Andrew Gelman 写的贝叶斯数据分析。我鼓励你做这个练习。你会从中学到很多东西。进行贝叶斯统计的数学运算是您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，请不要匆忙阅读概率图形模型。你知道我的建议如果你读过Andrew Ng提供的来自斯坦福的视频讲座。

刚刚看到这个 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，讲师教学员如何（在 python 中）编程飞行机器人以进行自主导航，利用贝叶斯统计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）。好消息是，在课堂上编写的代码可用于一些商业上可用的飞行机器人，因此以后可以更多地使用它并寻找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”，我也可以强烈推荐它。以前没有遇到过如此易于理解和全面的动手介绍，并且在相对较短的时间内真正学到了很多东西！