Model Grafik Probabilistik 2: Kesimpulan

Penerangan Produk

Model grafik probabilistik (PGM) adalah kerangka yang kaya untuk pengedaran kebarangkalian pengekodan pada domain yang kompleks: penggabungan (multivariat) bersama lebih banyak bilangan pemboleh ubah rawak yang berinteraksi antara satu sama lain. Perwakilan ini duduk di persimpangan statistik dan sains komputer, bergantung pada konsep dari teori kebarangkalian, algoritma grafik, pembelajaran mesin, dan banyak lagi. Mereka adalah asas bagi kaedah canggih dalam pelbagai aplikasi, seperti diagnosis perubatan, pemahaman imej, pengenalan pertuturan, pemprosesan bahasa semula jadi, dan banyak lagi. Mereka juga merupakan alat asas untuk merumuskan banyak masalah pembelajaran mesin.

Kursus ini adalah yang kedua dalam urutan tiga. Berikutan kursus pertama, yang memberi tumpuan kepada perwakilan, kursus ini membincangkan persoalan kebarangkalian: bagaimana PGM boleh digunakan untuk menjawab soalan. Walaupun PGM secara umumnya menggambarkan pengedaran dimensi yang sangat tinggi, strukturnya direka untuk membenarkan soalan dijawab dengan cekap. Kursus ini memberikan algoritma tepat dan anggaran bagi pelbagai jenis tugas kesimpulan, dan membincangkan di mana setiap yang terbaik boleh digunakan. Trek penghormatan (sangat disyorkan) mengandungi dua tugasan pengaturcaraan tangan, di mana rutin utama algoritma tepat dan anggaran yang paling biasa digunakan dan digunakan untuk masalah dunia sebenar.