Байесовский выбор моделей II (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 974, весна 2023

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(8 промежуточных версий не показаны.)
Строка 14: Строка 14:
* [[Media:Bayes_game_2023.pdf|Соревнование 1.]]
* [[Media:Bayes_game_2023.pdf|Соревнование 1.]]
* [https://www.dropbox.com/s/tsuik2uaw9r5vi0/Learning_data.zip?dl=0 Данные для соревнования 1.]
* [https://www.dropbox.com/s/tsuik2uaw9r5vi0/Learning_data.zip?dl=0 Данные для соревнования 1.]
 +
* [[Media:Aduenko2023Graphical_models_directed_vs_undirected.pdf|Лекция 4: Ориентированные и неориентированные графические модели и связь между ними.]]
 +
* [[Media:Aduenko2023Graphical_models_factor_graphs_and_inference_2.pdf|Лекция 5: Факторные графы и точный вывод в ациклических графических моделях.]]
 +
* [[Media:Aduenko2023Graphical_models_hmm.pdf|Лекция 6: Алгоритм Max-Sum и скрытые марковские модели.]]
 +
* [[Media:Aduenko2023Graphical_models_hmm_baum_welch.pdf|Лекция 7: Алгоритм Баума-Велча для оценки параметров скрытых марковских моделей.]]
 +
* [[Media:Aduenko_baum_welch_illustration_2023.zip|Лекция 7: Практика по алгоритму Баума-Велча.]]
 +
* [[Media:Aduenko2023Graphical_models_graphcut.pdf|Лекция 8: Алгоритмы поиска минимального разреза в графах для вывода в графических моделях.]]
 +
* [[Media:Aduenko2023Graphical_models_trw.pdf|Лекция 9: Алгоритм TRW для вывода в циклических графических моделях для общей энергии.]]
 +
* [[Media:Aduenko2023Graphical_models_hyper.pdf|Лекция 10: Оценивание гиперпараметров графических моделей.]]
 +
* [[Media:Bayes_game_2023_stage2.pdf|Соревнование 1 (Этап 2).]]
 +
* [[Media:Bayes_practical_task1_2023.pdf|Практическое задание 1.]]
== Дополнительные материалы ==
== Дополнительные материалы ==

Версия 03:16, 2 мая 2023


Байесовский выбор моделей Курс лекций, преподаватель Александр Александрович Адуенко (aduenko1 at gmail.com)

Дополнительные материалы

  1. См. последний слайд каждой лекции со списком литературы.
  2. David MacKay, 2005, Information Theory, Inference, and Learning Algorithms
  3. Christopher Bishop, 2006, Pattern Recognition and Machine Learning
  4. David Barber, 2014, Bayesian Reasoning and Machine Learning
  5. Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
  6. Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective
  7. Wainwright, M. J., & Jordan, M. I., 2008, Graphical models, exponential families, and variational inference.
Личные инструменты