Mô hình Đồ thị Xác suất: Suy luận và Lập luận

Hiểu sự không chắc chắn trong các hệ thống phức tạp đòi hỏi nhiều hơn là thống kê đơn giản; nó đòi hỏi một cách có cấu trúc để suy luận về các biến tương tác lẫn nhau. Khóa học này cung cấp một lộ trình rõ ràng để hiểu cách thực hiện suy luận—quá trình trả lời các truy vấn và đưa ra dự đoán—trong khuôn khổ của Mô hình Đồ thị Xác suất (PGM). Bạn sẽ thay đổi cách hiểu về dữ liệu bằng cách học cách tính toán xác suất và tìm ra các lời giải thích có khả năng xảy ra nhất trong các hệ thống có nhiều biến tương tác. Khi kết thúc khóa học này, bạn sẽ có thể chọn và áp dụng các chiến lược suy luận phù hợp để giải quyết các vấn đề trong thế giới thực trong các lĩnh vực từ chẩn đoán y tế đến ra quyết định tự động. Bạn sẽ học được gì: - Hiểu các nguyên tắc cốt lõi của suy luận chính xác trong mạng Bayesian và Markov - Áp dụng thuật toán loại bỏ biến và truyền thông điệp để tính toán xác suất biên - Thực hành các kỹ thuật suy luận xấp xỉ như Markov Chain Monte Carlo (MCMC) cho dữ liệu nhiều chiều - Khám phá suy luận biến phân như một phương pháp hiện đại để xử lý các phân phối hậu nghiệm phức tạp - Phân tích sự đánh đổi về mặt tính toán giữa các chiến lược suy luận khác nhau - Kết nối các mô hình đồ thị với các khái niệm học máy hiện đại như biến tiềm ẩn và mô hình sinh tạo sâu Khóa học bắt đầu với các định nghĩa nền tảng về các tác vụ suy luận và logic toán học đằng sau chúng. Sau đó, bạn sẽ tiến tới các giải thích bằng văn bản có cấu trúc về các thuật toán cốt lõi, chuyển từ các phương pháp tính toán chính xác sang các kỹ thuật xấp xỉ hiện đại được sử dụng trong ngành ngày nay. Khóa học này được thiết kế cho người mới bắt đầu về suy luận xác suất, những người có hiểu biết cơ bản về xác suất và muốn thành thạo logic đằng sau suy luận tự động. Không yêu cầu kinh nghiệm trước đó với các mô hình đồ thị. Bắt đầu học cách suy luận với sự không chắc chắn thông qua các mô hình xác suất có cấu trúc.