Байесовский выбор моделей (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 874, осень 2021
Материал из MachineLearning.
(Различия между версиями)
(Новая: {{Main|Численные методы обучения по прецедентам (практика, В.В. Стрижов)}} __NOTOC__ '''Байесовский выбор модел...) |
|||
(21 промежуточная версия не показана) | |||
Строка 6: | Строка 6: | ||
* [[Байесовский выбор моделей (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 774, осень 2020|Курс, прочитанный осенью '''2020''' года]] | * [[Байесовский выбор моделей (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 774, осень 2020|Курс, прочитанный осенью '''2020''' года]] | ||
- | * Короткий адрес страницы [https://bit.ly/ | + | * Короткий адрес страницы [https://bit.ly/3z8Akpw https://bit.ly/3z8Akpw] |
* [[Media:Aduenko2021Introduction.pdf|Лекция 1: Введение]] | * [[Media:Aduenko2021Introduction.pdf|Лекция 1: Введение]] | ||
+ | * [[Media:Bayes_theory_1_2021.pdf|Задание 1]] | ||
+ | * [[Media:Aduenko2021Introduction2.pdf|Лекция 2: Введение: множественное тестирование гипотез.]] | ||
+ | * [[Media:Aduenko2021Introduction3.pdf|Лекция 3: Введение: наивный байесовский классификатор. Экспоненциальное семейство распределений.]] | ||
+ | * [[Media:Aduenko2021Evidence.pdf|Лекция 4: Байесовская линейная регрессия. Обоснованность (evidence).]] | ||
+ | * [[Media:Bayes_theory_2_2021.pdf|Задание 2]] | ||
+ | * [[Media:Aduenko2021Evidence2.pdf|Лекция 5: Байесовская линейная регрессия (напоминание). Обоснованность (evidence).]] | ||
+ | * [[Media:Bayes_applied_1_2021.pdf|Практическое задание 1]] | ||
+ | * [https://www.dropbox.com/s/ltlm1ngzfpghw7m/task1_data.zip?dl=0 Данные для практического задания 1] | ||
+ | * [[Media:Aduenko2021EvidenceLogRegression.pdf|Лекция 6: Байесовская линейная и логистическая регрессия и отбор признаков.]] | ||
+ | * [[Media:Bayes_test_1_2021.pdf|Тест 1]] | ||
+ | * [[Media:Aduenko2021EvidenceLogRegressionAndEM.pdf|Лекция 7: Байесовская логистическая регрессия (БЛР) и отбор признаков. EM-алгоритм.]] | ||
+ | * [[Media:Aduenko2021EvidenceLogRegressionAndEM_3.pdf|Лекция 8: БЛР: построение прогноза и апостериорное распределения. EM-алгоритм.]] | ||
+ | * [[Media:Bayes_theory_3_2021.pdf|Задание 3]] | ||
+ | * [[Media:Aduenko2021VariatonalEM_2.pdf|Лекция 9: Вариационный EM-алгоритм.]] | ||
+ | * [[Media:Aduenko2021GP.pdf|Лекция 10: Гауссовские процессы и эволюция моделей во времени.]] | ||
+ | * [[Media:Aduenko2021MultimodelSelection.pdf|Лекция 11: Построение адекватных мультимоделей.]] | ||
+ | * [[Media:Aduenko2021MCMC.pdf|Лекция 12: Методы Монте-Карло по схеме марковских цепей.]] | ||
+ | * [[Media:Bayes_theory_4_2021.pdf|Задание 4]] | ||
+ | * [[Media:Aduenko2021HMC_2.pdf|Лекция 13: Гамильтоновы методы Монте-Карло по схеме марковских цепей.]] | ||
+ | * [[Media:Aduenko2021BayesOpt.pdf|Лекция 14: Байесовская оптимизация.]] | ||
+ | * [[Media:Bayes_test_final_2021.pdf|Письменный зачет.]] | ||
== Дополнительные материалы == | == Дополнительные материалы == |
Текущая версия
Байесовский выбор моделей
Курс лекций, преподаватель Александр Александрович Адуенко (aduenko at phystech.edu; aduenko1 at gmail.com)
- Курс, прочитанный осенью 2020 года
- Короткий адрес страницы https://bit.ly/3z8Akpw
- Лекция 1: Введение
- Задание 1
- Лекция 2: Введение: множественное тестирование гипотез.
- Лекция 3: Введение: наивный байесовский классификатор. Экспоненциальное семейство распределений.
- Лекция 4: Байесовская линейная регрессия. Обоснованность (evidence).
- Задание 2
- Лекция 5: Байесовская линейная регрессия (напоминание). Обоснованность (evidence).
- Практическое задание 1
- Данные для практического задания 1
- Лекция 6: Байесовская линейная и логистическая регрессия и отбор признаков.
- Тест 1
- Лекция 7: Байесовская логистическая регрессия (БЛР) и отбор признаков. EM-алгоритм.
- Лекция 8: БЛР: построение прогноза и апостериорное распределения. EM-алгоритм.
- Задание 3
- Лекция 9: Вариационный EM-алгоритм.
- Лекция 10: Гауссовские процессы и эволюция моделей во времени.
- Лекция 11: Построение адекватных мультимоделей.
- Лекция 12: Методы Монте-Карло по схеме марковских цепей.
- Задание 4
- Лекция 13: Гамильтоновы методы Монте-Карло по схеме марковских цепей.
- Лекция 14: Байесовская оптимизация.
- Письменный зачет.
Дополнительные материалы
- См. последний слайд каждой лекции со списком литературы.
- David MacKay, 2005, Information Theory, Inference, and Learning Algorithms
- Christopher Bishop, 2006, Pattern Recognition and Machine Learning
- David Barber, 2014, Bayesian Reasoning and Machine Learning
- Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
- Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective