大学ネットワーク

確率的グラフィカルモデル3:学習

説明

確率的グラフィカルモデル(PGM)は、複雑なドメインにわたる確率分布をエンコードするための豊富なフレームワークです。相互に作用する多数の確率変数に対する共同(多変量)分布です。 これらの表現は、確率論、グラフアルゴリズム、機械学習などの概念に依存して、統計学とコンピューターサイエンスの交差点にあります。 これらは、医療診断、画像理解、音声認識、自然言語処理など、さまざまなアプリケーションにおける最先端の方法の基礎となっています。 また、多くの機械学習の問題を定式化するための基本的なツールでもあります。

このコースは、XNUMXつのシーケンスのXNUMX番目です。 表現に焦点を当てた最初のコースと推論に焦点を当てたXNUMX番目のコースに続いて、このコースでは学習の問題に取り組みます。例のデータセットからPGMをどのように学習できるかを説明します。 このコースでは、有向モデルと無向モデルの両方でのパラメーター推定の主要な問題と、有向モデルの構造学習タスクについて説明します。 (強く推奨される)名誉トラックには、XNUMXつの実践的なプログラミング割り当てが含まれています。この割り当てでは、XNUMXつの一般的に使用される学習アルゴリズムの主要なルーチンが実装され、実際の問題に適用されます。

価格:無料で登録!

言語: 英語

字幕: 英語

確率的グラフィカルモデル3:学習 - スタンフォード大学