Học mô hình đồ họa xác suất từ dữ liệu

Lấy mẫu có ý nghĩa từ dữ liệu phức tạp đòi hỏi nhiều hơn là thống kê đơn giản. Chương trình này cung cấp một con đường rõ ràng để hiểu làm thế nào các mô hình đồ họa xác suất (PGM) có thể được học trực tiếp từ dấu liệu để thể hiện mối quan hệ phức hợp giữa các biến. Bạn sẽ có được kỹ năng để chuyển đổi các tập dữ liệu thô thành các biểu diễn xác suất có cấu trúc có thể được sử dụng để dự đoán và ra quyết định trong các lĩnh vực từ y học đến robot. Bạn sẽ học được: - Hiểu được các nguyên tắc cơ bản của ước lượng tham số trong mạng Bayes và Markov. - Ứng dụng ước tính xác suất tối đa và kỹ thuật Bayes để học từ các tập dữ liệu đầy đủ và không đầy đủ. - Tìm hiểu cấu trúc của mô hình đồ họa sử dụng thuật toán dựa trên điểm số và dựa vào ràng buộc. - Học cách xử lý biến số ẩn bằng cách sử dụng các phương pháp hiện đại như thuật toán kỳ vọng tối đa. - Thực hành đánh giá chất lượng và phức tạp của mô hình để tránh quá phù hợp trong các miền chiều cao. Chương trình bắt đầu với thuật ngữ cơ bản và mục tiêu cốt lõi của nhiệm vụ học tập, sau đó tiến hành ước tính tham số, học cấu trúc, và xử lý dữ liệu ẩn. Chương này được thiết kế cho người mới bắt đầu quan tâm đến học máy và khoa học dữ kiện, không cần có kinh nghiệm trước đó trong mô hình đồ họa. Bắt đầu xây dựng các mô hình thông minh hơn bằng cách học cấu trúc của sự không chắc chắn hôm nay.