Bayesovské strojové učení

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Požadavky:

Osnova přednášek:

1.Základní použití Bayesovské statistiky.

2.Lineární modely pro predikci, regularizace, hierarchická apriorna.

3.Nelineární modely pro predikci, neuronové sítě, odhad, regularizace.

4.Gausovské procesy pro predikci, odhadování hyper-parametrů, hierarchické Gausovské procesy.

5.Nelineární generativní modely, neuronová síť typu autoencoder, regularizace metodou variační Bayes.

6.Dynamické modely časových řad, identifikace parametrů, metody rekurzivní identifikace.

7.Klasifikace dat do několika tříd, metody s učitelem a s částečným učitelem (semi-supervised).

8.Bayesovská optimalizace, volba stochastického procesu, odhadování hyperparametrů, akviziční funkce.

Osnova cvičení:

Cíle studia:

Studijní materiály:

1.Ch. Bishop: Pattern Recognition and Machine Learning, Springer, 2006.

2.C. E. Rasmussen: Gaussian processes in machine learning, pages 63-71, Springer, Berlin, Heidelberg, 2004.

3.D. P. Kingma, M. Welling: Auto-encoding variational Bayes, arXiv preprint:1312.6114, 2013.

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: