前言：本篇博客包括了随机变量和图模型推理之间的所有内容。学好《统计学》需要《微积分》，《线性代数》，《矩阵论》和《实变函数与泛函数分析》作为基础，另外再增加《凸优化》。如果只是应用的话，这些知识吸收60%就足够了，但是要搞研究的话，不仅要吸收80%以上，另外还要研究《神经生物学从神经元到大脑》和物理学，从中吸收灵感，为研究下一代AI打下好的基础，用几何问题解决代数问题是不可避免的。下一代AI的突破

写在前面的话：《统计学完全教程》囊括了统计学的全部知识，共22章，由美国著名的学者沃塞曼所著。在nlp领域里统计学占据主导地位，没有了统计学，深度学习将无法构建损失函数，无法实现图模型的推理。推理算法主要依靠统计学，包括以拉普拉斯矩阵为基础的无向图卷积算子，上个世纪的PageRank算法，随机游走模型……当今的AI主要以从海量数据中寻找规律的方式来实现弱人工智能，包括特征的抽取（比如图卷积算子..

author:佟学强abstract文章的标题想了很久，有点儿勉强了，因为让机器实现逻辑推理还差得远。在Ai领域里，目前统计学派和联结主义学派比较盛行，但是类脑学科还没突破，所以当下的Ai都是弱Ai。目前取得突破的基本都是在视觉和语音领域，nlp的进展非常缓慢。众所周知的人类两种智能归纳总结和演绎推理，联结主义只是解决了归纳总结问题，而在nlp中联结主义集中表现在文字高阶特征的抽取上，比如...