מודלים גרפיים הסתברותיים. שלטו בדרך חדשה של הסקת מסקנות ולמידה בתחומים מורכבים.
תפריט
מודלים גרפיים הסתברותיים. שלטו בדרך חדשה של הסקת מסקנות ולמידה בתחומים מורכבים.
מוצע על ידי: קורסרה (מה זה קורסרה?)
סדרה של 5 קורסים
לא נדרש ידע מוקדם
ללא סיכונים מיותרים
מודלים גרפיים הסתברותיים (PGMs) הם מסגרת עשירה לקידוד התפלגויות הסתברותיות על פני תחומים מורכבים: התפלגויות משולבות (רב-משתניות) על פני מספר גדול של משתנים אקראיים האינטראקטים זה עם זה. הייצוגים הללו נמצאים בצומת של סטטיסטיקה ומדעי המחשב, והם נשענים על מושגים מתיאוריה של הסתברות, אלגוריתמים של גרפים, למידת מכונה ועוד. הם מהווים את הבסיס לשיטות המתקדמות ביותר במגוון רחב של יישומים, כגון אבחון רפואי, הבנת תמונות, זיהוי דיבור, עיבוד שפה טבעית ועוד, ועוד. הם גם כלי יסוד בניסוח בעיות רבות בלמידת מכונה.
קורס זה הוא הראשון בסדרה של שלושה. הוא מתאר את שני הייצוגים הבסיסיים של PGM: רשתות בייסיאניות, התלויות בגרף ממוין; ורשתות מרקוב, המשתמשות בגרף שאינו ממוין. הקורס עוסק כאילו בתכונות התיאורטיות של הייצוגים הללו וכיצד הם מתבצע בפועל. המסלול המורחב (מומלץ מאוד) כולל מספר מטלות מעשיות כיצד לייצג בעיות מהמציאות. הקורס יוצג גם כמה הרחבות חשובות מעבר לייצוג הבסיסי של PGM, המאפשרות לקודד מודלים מורכבים בצורה קומפקטית.
מודלים גרפיים הסתברותיים (PGMs) הם מסגרת עשירה לקידוד התפלגויות הסתברותיות על פני תחומים מורכבים: התפלגויות משולבות (רב-משתניות) על פני מספר גדול של משתנים אקראיים האינטראקטים זה עם זה. הייצוגים הללו נמצאים בצומת של סטטיסטיקה ומדעי המחשב, והם נשאנין על מושגים מתיאוריה של הסתברות, אלגוריתמים של גרפים, למידת מכונה ועוד. הם מהווים את הבסיס לשיטות המתקדמות ביותר במגוון רחב של יישומים, כגון אבחון רפואי, הבנת תמונות, זיהוי דיבור, עיבוד שפה טבעית ועוד, ועוד.
קורס זה הוא השני בסדרה של שלושה. לאחר הקורס הראשון, שהתמקד בייצוג, קורס זה עוסק בשאלה של אינפרנציה הסתברותית: איך PGM יכול לשמש למענה על שאלות. למרות שמודלי PGM בדרך כלל מתארים התפלגות בעלת מימד גבוה מאוד, המבנה שלהם מעוצב כך שהשאלות יוכלו להתבצע ביעילות. הקורס מציג אלגוריתמים מדויקים וקרובים מסוגים שונים של מטלות אינפרנציה, ודן היכן ניתן ליישם כל אחד מהם בצורה הטובה ביותר. המסלול המורחב (מומלץ מאוד) כולל שתי מטלות תכנות מעשיות, שבהן ממומש ומוחל על בעיות אמיתיות מפתחי פקודות של האלגוריתמים המדויקים והקרובים הנפוצים ביותר.
מודלים גרפיים הסתברותיים (PGMs) הם מסגרת עשירה לקידוד התפלגויות הסתברותיות על פני תחומים מורכבים: התפלגויות משולבות (רב-משתניות) על פני מספר גדול של משתנים אקראיים האינטראקטים זה עם זה. הייצוגים הללו נמצאים בצומת של סטטיסטיקה ומדעי המחשב, והם נשענים על מושגים מתיאוריה של הסתברות, אלגוריתמים של גרפים, למידת מכונה ועוד. הם מהווים את הבסיס לשיטות המתקדמות ביותר במגוון רחב של יישומים, כגון אבחון רפואי, הבנת תמונות, זיהוי דיבור, עיבוד שפה טבעית ועוד, ועוד.
קורס זה הוא השלישי בסדרה של שלושה. לאחר הקורס הראשון, שהתמקד בייצוג, והשני, שהתמקד באינפרנציה, קורס זה עוסק בשאלה של למידה: איך ניתן ללמוד PGM מקבוצת דוגמאות. הקורס דן בבעיות המרכזיות של הערכת פרמטרים במודלים ממוניים ואחרים, כמו גם את משימת למידת המבנה עבור מודלים ממוניים. המסלול המורחב (מומלץ מאוד) כולל שתי מטלות תכנות מעשיות, שבהן ממומש ומוחל על בעיות אמיתיות שתי משימות מפתח של שני האלגוריתמים הנפוצים בשימוש בלמידה.
