跳到主要内容
步芽

【极致中配】卡耐基梅隆 CMU 10-708 PGM 概率图模型｜2020年春季

CMU 2020春季概率图模型课程，系统讲解有向/无向图模型、精确与近似推断、MCMC、深度生成模型、因果、强化学习即推断及贝叶斯非参等前沿主题。

难度
难度 5/5 — 研究生级机器学习课程，涉及大量概率论、变分推断与深度生成模型的数学推导
适合人群
有机器学习和概率基础、想深入概率图模型与深度生成模型的研究生或研究者
前置要求
概率论与数理统计（贝叶斯推断、随机变量、期望方差是全课基础）、线性代数（矩阵运算、特征分解用于谱学习与高斯过程）、机器学习基础（需先掌握监督学习、最大似然等基本概念）、微积分与最优化（变分推断、参数估计涉及梯度与优化）
课程规模
28 讲 · 1244播放
在 B 站免费观看 →就这门课提问 →排进我的学习路线

主题覆盖

有向与无向图模型精确推断参数估计HMM与CRF变分推断蒙特卡洛与MCMC深度生成模型深度序列模型结构学习因果推断强化学习即推断高斯过程与贝叶斯非参

课程大纲（28 讲）

  1. P1 · Lecture 01 Introduction48 分钟
  2. P2 · Lecture 02 Undirected GMs55 分钟
  3. P3 · Lecture 03 Directed GMs50 分钟
  4. P4 · Lecture 04 Exact Inference50 分钟
  5. P5 · Lecture 05 Parameter Estimation51 分钟
  6. P6 · Lecture 06 Case Studies: HMM and CRF52 分钟
  7. P7 · Lecture 07 Variational Inference 151 分钟
  8. P8 · Lecture 08 Variational Inference 240 分钟
  9. P9 · Lecture 09 Monte Carlo Methods51 分钟
  10. P10 · Lecture 10 Advanced MCMC Methods47 分钟
  11. P11 · Lecture 11 Statistical and Algorithmic Foundations of Deep Learning52 分钟
  12. P12 · Lecture 12 Deep Generative Models 151 分钟
  13. P13 · Lecture 13 Deep Generative Models 242 分钟
  14. P14 · Lecture 14 Deep Sequence Models33 分钟
  15. P15 · Lecture 15 Case Study of Deep Generative Models: Text Generation38 分钟
  16. P16 · Lecture 16 Structure Learning44 分钟
  17. P17 · Lecture 17 Causality 148 分钟
  18. P18 · Lecture 18 Causality 249 分钟
  19. P19 · Lecture 19 RL as Inference 145 分钟
  20. P20 · Lecture 20 RL as Inference 232 分钟
  21. P21 · Lecture 21 Gaussian Processes44 分钟
  22. P22 · Lecture 22 Determinantal Point Process40 分钟
  23. P23 · Lecture 23 Dirichlet Processes49 分钟
  24. P24 · Lecture 24 Indian Buffet Process45 分钟
  25. P25 · Lecture 25 Spectral Learning for Graphical Models47 分钟
  26. P26 · Lecture 26 Large-scale Algorithms and Systems69 分钟
  27. P27 · Lecture 27 Meta-Learning49 分钟
  28. P28 · Lecture 28 Trustworthy Machine Learning45 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。