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 回シリーズのうちの XNUMX 回目です。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 番目のコースに続き、このコースでは学習の問題、つまりサンプルのデータセットから PGM をどのように学習できるかについて取り上げます。このコースでは、有向モデルと無向モデルの両方における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) 優等トラックには、XNUMX つの実践的なプログラミング課題が含まれており、一般的に使用される XNUMX つの学習アルゴリズムの主要なルーチンが実装され、現実世界の問題に適用されます。