Bayesianische Methoden für maschinelles Lernen

Beschreibung

Menschen wenden Bayes'sche Methoden in vielen Bereichen an: von der Spieleentwicklung bis zur Arzneimittelentwicklung. Sie verleihen vielen Algorithmen des maschinellen Lernens Superkräfte: Sie verarbeiten fehlende Daten und extrahieren viel mehr Informationen aus kleinen Datensätzen. Bayesianische Methoden ermöglichen es uns auch, die Unsicherheit von Vorhersagen abzuschätzen, was für Bereiche wie die Medizin eine wünschenswerte Funktion ist.
Bei der Anwendung auf Deep Learning können Sie mit Bayes'schen Methoden Ihre Modelle um das Hundertfache komprimieren und Hyperparameter automatisch optimieren, wodurch Sie Zeit und Geld sparen.
In sechs Wochen werden wir die Grundlagen der Bayes'schen Methoden besprechen: von der Definition eines probabilistischen Modells bis hin zur Erstellung von Vorhersagen daraus. Wir werden sehen, wie man diesen Arbeitsablauf automatisieren und mit einigen fortgeschrittenen Techniken beschleunigen kann.
Wir werden auch Anwendungen von Bayes'schen Methoden für Deep Learning sehen und wie man damit neue Bilder generiert. Wir werden sehen, wie mit Bayes'schen Methoden neue Medikamente gefunden werden, die schwere Krankheiten heilen.

Haben Sie technische Probleme? Schreiben Sie uns: coursera@hse.ru