Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2018/2019

Structured Model Learning

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
XEP33SML ZK 4 2+1
Přednášející:
Vojtěch Franc, Boris Flach (gar.)
Cvičící:
Vojtěch Franc, Boris Flach (gar.)
Předmět zajišťuje:
katedra kybernetiky
Anotace:

This advanced machine learning course covers learning and parameter estimation for structured models like Markov Random Fields, Belief Networks and (stochastic) Deep Neural Networks.

Požadavky:

- Solid knowledge of of statistical machine learning (cf. BE4M33SSU)

- Basic knowledge of Graphical Models (cf. XEP33GMM)

Osnova přednášek:

(1) Markov Random Fields & Gibbs Random Fields

(2) Belief Networks & Stochastic Neural Networks

(3) Learning of structured output classifiers by Perceptron

(4) Structured Output Support Vector Machines

(5) Learning max-sum classifiers by SO-SVM

(6) Optimization methods for SO-SVM

(7) Maximum Likelihood learning for MRFs

(8) Variational Autoencoders

(9) Variational Bayesian inference for DNNs

(10) Generative adversarial networks

Osnova cvičení:

The seminars will be dedicated to discussions and deepening the knowledge acquired at the lectures.

Cíle studia:

The course aims to communicate knowledge on theory and algorithms for the two currently most successful branches of structured model learning - statistical learning and structured output learning.

Studijní materiály:

1. B. Taskar, C. Guestrin, and D. Koller. Maximum-margin markov networks. In Advances in Neural Information Processing Systems. MIT Press, Cambridge, MA, 2004.

2. I. Tsochantaridis, T. Joachims, T. Hofmann, and Y. Altun. Large margin methods for structured and interdependent output variables. Journal of Machine Learning Research, 6:1453-1484, Sep. 2005.

3. V. Franc and B. Savchynskyy. Discriminative learning of max-sum classifiers. Journal of Machine LearningResearch, 9(1):67-104, January 2008. ISSN 1532-4435.

Processing: From Systems to Brains, chapter A Variational Principle for Graphical Models. MIT Press, 2007.

4. M.J. Wainwright and M.I. Jordan. Graphical Models, Exponential Families, and Variational Inference. Foundations and Trends in Machine Learning, 1(1-2):1-305, 2008.

Poznámka:

URL: http://cw.felk.cvut.cz/doku.php/courses/xep33sml/start

Další informace:
https://cw.fel.cvut.cz/wiki/courses/xep33sml/start
Rozvrh na zimní semestr 2018/2019:
Rozvrh není připraven
Rozvrh na letní semestr 2018/2019:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
místnost KN:E-128
Flach B.
Franc V.

12:45–14:15
(přednášková par. 1)
Karlovo nám.
Cvičebna K3
místnost KN:E-128
Flach B.
Franc V.

14:30–16:00
LICHÝ TÝDEN

(přednášková par. 1
paralelka 101)

Karlovo nám.
Cvičebna K3
St
Čt

Předmět je součástí následujících studijních plánů:
Platnost dat k 16. 6. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet3199206.html