Ветров Д.П., Кропотов Д.А.

Среда, 16:20,
ауд. 510

Семестровый курс для студентов 2-5 курсов. Первое занятие 7 сентября.

Курс посвящен т.н. байесовским методам, применяемых для решения различных задач машинного обучения (классификации, прогнозирования, восстановления регрессии), которые в настоящее время активно развиваются в мире. Байесовский подход к теории вероятностей позволяет эффективно учитывать те или иные предпочтения пользователя при построении решающих правил прогноза. В частности, здесь удается решать задачи селекции признаков, подбора коэффициентов регуляризации и структурных параметров без комбинаторного перебора. В байесовском подходе вероятность интерпретируется как мера незнания, а не как объективная случайность. Простые правила оперирования с вероятностью, такие как формула полной вероятности и формула Байеса, позволяют проводить рассуждения в условиях неопределенности. В этом смысле байесовский подход к теории вероятностей можно рассматривать как обобщение классической булевой логики.

В программе спецкурса:

• Подробное изложение байесовского подхода к теории вероятностей, примеры байесовских рассуждений, сопряженные распределения;
• Примеры практических байесовских моделей: метод релевантных векторов, байесовский метод главных компонент, байесовская смесь нормальных распределений и др.;
• Приближенные способы байесовского вывода: вариационный подход, методы Монте Карло по схеме марковских цепей, подход распространения ожидания;
• Напоминание основных результатов из смежных дисциплин (матричные вычисления, математическая статистика, линейная алгебра, теория вероятностей, случайные процессы).

Страница спецкурса: http://www.machinelearning.ru/wiki/index.php?title=Бммо

Страница курса: http://vmk.somee.com/Details/187