趋近智
构建并运用精妙的贝叶斯模型以应对复杂的机器学习 (machine learning)任务。本课程涵盖高级推断方法,例如马尔可夫链蒙特卡洛(MCMC)和变分推断(VI)、概率图模型、高斯过程以及贝叶斯深度学习 (deep learning)。课程侧重理论知识与实际操作的结合,旨在帮助人工智能工程师将概率方法和不确定性量化 (quantization)纳入日常工作。
先修课程 扎实的机器学习、概率论、Python基础。
级别:
高级推断方法实现
实现并诊断复杂的MCMC算法(Metropolis-Hastings, Gibbs, HMC)和变分推断方法(CAVI, SVI)。
精妙贝叶斯建模
构建、搭建并评估高级贝叶斯模型,包含高斯过程、概率图模型和贝叶斯神经网络。
不确定性量化
运用贝叶斯方法准确表示和解释模型不确定性。
模型选择与比较
应用高级技术比较贝叶斯模型并评估其性能。
可扩展贝叶斯方法
理解并运用将贝叶斯推断扩展到大型数据集的方法。