Байесовский выбор моделей II (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 074, весна 2024
Материал из MachineLearning.
Байесовский выбор моделей
Преподаватель: Александр Александрович Адуенко (aduenko1 at gmail.com)
Ассистент: Константин Дмитриевич Яковлев (iakovlev.kd at phystech.edu)
- Первая часть курса, прочитанная осенью 2023 года
- Короткий адрес страницы https://bit.ly/49ujtQC
- Лекция 1 (Воспоминание): ЕМ-алгоритм.
- Лекция 1 (Воспоминание): Практика по EM-алгоритму.
- Лекция 2 (Воспоминание): Вариационный ЕМ-алгоритм.
- Лекция 2 (Воспоминание): Практика по вариационному EM-алгоритму.
- Лекция 3: Графические модели. Условная независимость переменных.
- Лекция 4: Ориентированные и неориентированные графические модели и связь между ними.
- Соревнование 1.
- Данные для соревнования 1.
- Лекция 5: Факторные графы и точный вывод в ациклических графических моделях.
- Лекция 6: Алгоритм Max-Sum и скрытые марковские модели.
- Соревнование 1 (Этап 2).
- Лекция 7: Алгоритм Баума-Велча для оценки параметров скрытых марковских моделей.
- Лекция 7: Практика по алгоритму Баума-Велча.
- Лекция 8: Алгоритмы поиска минимального разреза в графах для вывода в графических моделях.
- Лекция 9: Алгоритм TRW для вывода в циклических графических моделях для общей энергии.
- Лекция 10: Оценки скорости сходимости EM-алгоритма.
- Лекция 11: Оценивание гиперпараметров графических моделей.
- Практическое задание 1.
- Теоретическое задание 1.
- Экзаменационные билеты.
