Алексей Потапов — Глубокое обучение, вероятностное программирование и метавычисления
Ближайшая конференция — SmartData 2024, 4 сентября (online), 8–9 сентября, (Москва + трансляция).
Подробности и билеты: https://jrg.su/KFFBS7
— —
В докладе будут рассмотрены два основных класса моделей в анализе данных и машинном обучении — генеративные и дискриминантные модели, а также связь между ними. Будет представлено описание роли этих моделей в рамках двух наиболее перспективных подходов к машинному обучению — глубокого обучения и вероятностного программирования. В частности, речь пойдет о нейробайесовском подходе, в котором модели глубокого обучения в явном виде описываются как генеративные и дискриминантные, а также о нейровероятностном программировании как объединении двух парадигм на примере библиотеки Edward.
Далее будет рассказано, как связь между генеративными и дискриминантными моделями может быть понята в терминах специализации программ. На примере таких моделей глубокого обучения, как автоэнкодеры и генеративные конкурирующие сети, будет рассказано, как вариационный байесовский вывод может трактоваться в качестве специализации, и как вероятностные программы можно компилировать в сети глубокого обучения. Далее будет описана новая концепция частичной специализации и ее связь с методами метаобучения.
Видео Алексей Потапов — Глубокое обучение, вероятностное программирование и метавычисления канала SmartData
Подробности и билеты: https://jrg.su/KFFBS7
— —
В докладе будут рассмотрены два основных класса моделей в анализе данных и машинном обучении — генеративные и дискриминантные модели, а также связь между ними. Будет представлено описание роли этих моделей в рамках двух наиболее перспективных подходов к машинному обучению — глубокого обучения и вероятностного программирования. В частности, речь пойдет о нейробайесовском подходе, в котором модели глубокого обучения в явном виде описываются как генеративные и дискриминантные, а также о нейровероятностном программировании как объединении двух парадигм на примере библиотеки Edward.
Далее будет рассказано, как связь между генеративными и дискриминантными моделями может быть понята в терминах специализации программ. На примере таких моделей глубокого обучения, как автоэнкодеры и генеративные конкурирующие сети, будет рассказано, как вариационный байесовский вывод может трактоваться в качестве специализации, и как вероятностные программы можно компилировать в сети глубокого обучения. Далее будет описана новая концепция частичной специализации и ее связь с методами метаобучения.
Видео Алексей Потапов — Глубокое обучение, вероятностное программирование и метавычисления канала SmartData
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Andy Pavlo — Lessons learned from using machine learning to optimize database configurationsВиктор Кесслер — Dremio SQL Lakehouse: Быстрые данные для всехНиколай Марков — Низкий уровень работы с даннымиЮлия Волкова — Любовь и ненависть к Prefect 2.0 после Apache AirflowСергей Стороженко (SM Lab) — Нетипичное использование KafkaJeff Zhang — Flink + Zeppelin: Streaming data analytics platformАлександр Крашенинников — Hadoop high availability: опыт BadooСаттар Гюльмамедов, Максим Мартынов — Эволюция ETL-инструментов на примере отдельно взятой Big DataДенис Ефаров — Hadoop 3: Erasure coding catastropheДмитрий Бугайченко — Stateful streaming: Кейсы, паттерны, реализацииБронислав Житников — NiFi-скрипты как элемент Less Code ETLSmartDataCoffeeКсения Томак, Максим Стаценко, Андрей Терехов — Разговор в телевизореВиталий Худобахшов — Имя — это фичаОльга Татаринова, Алексей Махоткин — Как моделирование данных повышает качество работы аналитиковВикторина «Наша игра»Павел Якунин — Безопасные интерактивные большие данные в банке: Business intelligence на ClickhouseJacek Laskowski — Apache Spark as an in-memory-only data processing engine?Артур Хачуян — Построение кросс-ID для веб-аналитикиВладимир Озеров — Как устроено выполнение SQL-запросов в Presto/Trino