Курс «Байесовские методы в машинном обучении». Лекция 2 (Дмитрий Ветров)

Сопряжённые распределения, аналитический байесовский вывод, экспоненциальный класс распределений

Целью курса является освоение байесовского подхода к теории вероятностей и основных способов его применения при решении задач машинного обучения. Курс научит вас строить комплексные вероятностные модели, учитывающие структуру прикладной задачи машинного обучения, выводить необходимые формулы для решения задач обучения и вывода в рамках построенных вероятностных моделей, а также эффективно реализовывать эти модели.

Преподаватель: Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска, заведующий Центром глубинного обучения и байесовских методов.

ФКН: https://cs.hse.ru​​
Подписывайтесь на нас в социальных сетях: https://vk.com/cshse​​/, https://twitter.com/CS_HSE​/

Видео Курс «Байесовские методы в машинном обучении». Лекция 2 (Дмитрий Ветров) канала ФКН ВШЭ