Pravdepodobnostné grafické modely

Tento kurz je určený pre tých, ktorí sa zaujímajú o porozumenie Bayesovským sieťam a pravdepodobnostnému programovaniu.

• Základná znalosť programovania v Pythone
• Stredoškolské znalosti lineárnej algebry, matematickej analýzy a teórie pravdepodobnosti. Bude predpokladané základné porozumenie pojmom ako vektor, matica, vektorový priestor, pravdepodobnosť, podmienená pravdepodobnosť, nezávislosť náhodných udalostí a znalosť násobenia matíc a derivácií funkcií.

Študijný materiál spoločnosti Machine Learning College.

• Bayesovské siete
• Grafická reprezentácia modelu
• Generatívne vs. diskriminatívne modely
• Štatistický odhad v Bayesovských sieťach
  • Variational inference
  • Sampling 
    • Rejection sampling
    • Markov Chain Monte Carlo
    • Metropolis-Hastings sampling
    • Gibbs sampling
• Pravdepodobnostné rozdelenia
  • Binomické a multinomické rozdelenie
  • Beta a Dirichletovo rozdelenie
  • Gamma rozdelenie
• Pravdepodobnostné programovacie jazyky
• Praktický príklad na modelovanie tém
  • Latent Semantic Analysis
  • Probabilistic Latent Semantic Analysis
  • Latent Dirichlet Allocation
• Neparametrické modely
  • Dirichlet process
  • Chinese restaurant process a Stick breaking process
  • Non-parametric LDA
• Odhad hyperparametrov

Predošlé kurzy

Python I - úvod do programovania [PYTHON_INTRO]