Probabilistic Graphical Models: Penaakulan dan Inferens

Memahami ketidakpastian dalam sistem kompleks memerlukan lebih daripada statistik mudah; ia memerlukan cara berstruktur untuk menaakul tentang pemboleh ubah yang saling berkaitan. Kursus ini menyediakan laluan yang jelas untuk memahami cara melaksanakan inferens—proses menjawab pertanyaan dan membuat ramalan—dalam rangka kerja Probabilistic Graphical Models (PGMs). Anda akan mengubah pemahaman anda tentang data dengan mempelajari cara mengira kebarangkalian dan mencari penjelasan yang paling mungkin dalam sistem di mana banyak pemboleh ubah berinteraksi. Menjelang akhir kursus ini, anda akan dapat memilih dan menggunakan strategi inferens yang betul untuk menyelesaikan masalah dunia nyata dalam bidang yang terdiri daripada diagnosis perubatan hingga membuat keputusan automatik. Apa yang anda akan pelajari: - Memahami prinsip teras inferens tepat dalam Bayesian dan Markov networks - Mengaplikasikan algoritma variable elimination dan message-passing untuk mengira kebarangkalian marginal - Mengamalkan teknik approximate inference seperti Markov Chain Monte Carlo (MCMC) untuk data berdimensi tinggi - Meneroka variational inference sebagai pendekatan moden untuk mengendalikan taburan posterior yang kompleks - Menganalisis pertukaran pengiraan (computational trade-offs) antara strategi inferens yang berbeza - Menghubungkan model grafik kepada konsep machine learning moden seperti latent variables dan deep generative models Kursus ini bermula dengan definisi asas tugas inferens dan logik matematik di belakangnya. Anda kemudian akan maju melalui penjelasan bertulis berstruktur algoritma teras, beralih daripada kaedah pengiraan tepat kepada teknik anggaran moden yang digunakan dalam industri hari ini. Kursus ini direka untuk pemula dalam penaakulan kebarangkalian yang mempunyai pemahaman asas tentang kebarangkalian dan ingin menguasai logik di sebalik inferens automatik. Tiada pengalaman terdahulu dengan model grafik diperlukan. Mula belajar cara menaakul dengan ketidakpastian melalui model kebarangkalian berstruktur.