编者按：PRML是公认的经典机器学习教材，官方已经在去年将这本书英文版开放下载：《模式识别与机器学习(PRML)》正式开放免费下载 。2014年哈工大马春鹏博士利用业余时间翻译过这本书，之后这本中译本广为流传。另外在2015年，微博上的一群同学组织了PRML的读书会，读书会的相关笔记也发布在了“我爱自然语言处理”的博客上：http://www.52nlp.cn/author/prml 。原计划将这些资料一并整理，后来发现AIQ社区的这篇文章总结的非常全面，已经无需我写什么了，所以转载至此，文末留有原文链接。如果你需要这些资料，也可以关注以下公众号并回复“PRML”获取相关资料链接：
今天给大家推荐一本机器学习、深度学习的人都应该听说过一本经典教材：《Pattern Recognition and Machine Learning》，中文译名《模式识别与机器学习》，简称 PRML。出自微软剑桥研究院实验室主任 Christopher Bishop 大神之手。对，就是豆瓣评分 9.5 的这本书。可能之前你看过其他公众号有分享过，不过不要着急，本推文更全面总结了关于《Pattern Recognition and Machine Learning》的相关学习资料，你想要的和你没有想到你想要的，这里都有。python 代码，官方 matlab 代码，中文译文，课后答案，PPT，对应大学视频，学习笔记，小编都汇总了一下，不管怎么样，我自己先收藏了一下~
毫不夸张地说，PRML 当之无愧算得上是 AI 领域的圣经了。PRML 涵盖面广，语言通俗，例子和习题更加详细，附带更多基础性的讲解和指引，难度梯度设置更为合理，是其深受广大中老年 PhD 朋友喜爱的原因。
将 Bishop 大神的 PRML 称为机器学习圣经一点也不为过，该书系统地介绍了模式识别和机器学习领域内详细的概念与基础。书中有对概率论基础知识的介绍，也有高阶的线性代数和多元微积分的内容，适合高校的研究生以及人工智能相关的从业人员学习。
PRML 内容十分丰富，共有 14 章的内容，每一章都是干货满满。整体目录如下：
第一章 介绍
第二章 概率分布
第三章 线性回归模型
第四章 线性分类模型
第五章 神经网络
第六章 内核方法
第七章 稀疏内核机器
第八章 图形模型
第九章 混合模型和 EM
第十章 近似推断
第十一章 采样方法
第十二章 连续潜在变量
第十三章 顺序数据
第十四章 组合模型
另外，知乎上关于这个关于“PRML 为何是机器学习的经典书籍中的经典？”的高赞回答或许会给大家一些启发：
Luau Lawrence 的回答：
https://www.zhihu.com/question/35992297/answer/67009652
最近 GitHub 上网友 ctgk 更新公布了 Python3 实现的经典机器学习图书《Pattern Recognition and Machine Learning》中的代码。在它之前曾有过 Matlab 版本，而新公布的版本采用机器学习领域最流行的 python 代码实现，比较符合大家的使用习惯。最重要的是代码以 Jupyter notebook 形式呈现，可视化结果非常适合边看书边调试代码。
MLPR python 代码链接：
https://github.com/ctgk/PRML
除此之外，官方也发布了对应的 Matlab 版本的代码：
https://github.com/PRML/PRMLT
**▌**PRML 书籍
PRML 是模式识别和机器学习领域的经典著作，出版于 2007 年。该书作者 Christpher M. Bishop 是模式识别和机器学习领域的大家，其 1995 年所著的“Nerual Networks for Pattern Recognition”也是模式识别、人工神经网络领域的经典著作。
PRML 深入浅出地介绍了模式识别与机器学习的基本理论和主要方法，同时还涵盖了模式识别与机器学习领域的一些最新进展，不仅适合初学者学习，而且对专业研究人员也有很大的参考价值。
目录（对应中文译本）
导论
概率分布
线性回归模型
线性分类模型
神经网络
核方法
讲 SVM 。
现代基于图模型
EM 算法
近似推断
采样
PCA 及一些改进
HMM 模型和 LDS
集成方法
**▌**PRML 笔记视频学习资料荟萃（敲黑板，该划重点了）
《Pattern Recognition and Machine Learning》（PRML） by Bishop
原版图书
勘误：
习题答案
Christopher Bishop 微软剑桥研究院院长 个人主页
部分章节 PPT
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-1.pdf
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-2.pdf
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-3.pdf
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-4.pdf
Bishop 新书《Model Based Machine Learning》
PRML 大神、微软剑桥研究院院长 Chris Bishop 与 John Winn 的机器学习新书。最入门级别的机器学习图书， 全书从实际案例开始讲，数学公式很少，非常适合当做读 PRML 之前的入门。
http://www.mbmlbook.com/
代码
Matlab 实现
Python
视频
布朗大学 CSCI1420 《机器学习》 主要参考用书采用了 PRML，内容安排也和 PRML 一致，共 23 课。
PRML 笔记
Jian Xiao《Notes on Pattern Recognition and Machine Learning (Bishop)》
田渊栋《Some notes on Pattern Recognition and Machine Learning》
ChillyRain 的"PRML Notes"系列博文
Bishop’s PRML book: review and insights, chapters 1–3
PRML 读书会
PRML 相关资料：第三版，学习笔记，中文译本等
链接：https://pan.baidu.com/s/1oiZST2XgWHg7a4Xl3RUW7g 提取码：pthb
代码：该书完整的代码官方发出了 Matlab 版本，地址如下：http://prml.github.io/
ctgk 也在 GitHub 上发布了更常用的 Python 版本，已经超过 2k 星标了。
地址如下：https://github.com/ctgk/PRML
本文地址：
https://www.6aiq.com/article/1584520876427
本文版权归作者和AIQ共有。
进技术交流群请添加AINLP小助手微信（id: ainlper)
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。
阅读至此了，分享、点赞、在看三选一吧🙏
