Войти
Курс
Вероятностные графические модели
Александр Алексейцев

Курс «байесовские графические модели» ставит перед собой задачу дать студенту представление о двух «школах» понимания термина «вероятность» — частотную и байесовскую.


В рамках курса, студент ознакомится с фреймворком описания сложных вероятностных зависимостей в виде графической модели, широко применяемом, например, в медицине, криминалистике и в целом ряде задач, где часто встречаются задачи с неполными исходными данными и требующими возможности интерпретировать (доказать) влияние наблюдаемых величин на ненаблюдаемые.


По окончанию курса, студенты приобретают навыки извлекать структуру зависимостей между событиями по набору наблюдений за их значениями и делать предсказания вероятностей наступления событий по значениям наблюдаемых параметров.

Лектор
Программа курса
1
Intro. Bayesian view of probability. Bayesian networks.
2
Inference from Bayesian networks. Markov Chains.
3
Hidden Markov Models
4
Intro to Sampling methods
5
Sampling methods and introduction to learning
6
Bayesian networks parameters learning
7
Bayesian networks structure learning
8
EM-algorithm