统计计算¶
24Fall DATA630014,统计计算概论,周渊
这门课虽然叫统计计算,但实际上的内容主要是统计视角下的传统机器学习方法(Machine Learning: A Probabilistic Perspective)。和本科时候我选修的统计计算有很大区别,那门课主要聚焦在计算,涉及了较多的最优化、数值计算内容。
课程主要从两个方面展开:
其一是建模方法,针对不同类别的数据(图片、文本、时间序列、图等),我们需要建立不同的模型(线性模型、HMM、状态空间模型、MRF、Boltzmann机等)。
其二是模型推断方法,因为很多时候我们的模型过于复杂,往往无法直接给出MLE等优良的估计,需要使用近似算法(EM、MCMC、Variational Inference)。
主要内容¶
- Bayesian Statistics
- Prior
- LGS
- Exp family
- Model Selection
- BIC
- Bayesian Linear Regression
- Bayesian Logistic Regression
- Graph Theroy
- Directed Graphical Models
- d-separation
- Mixture Models
- EM Algorithm
- Undirected Graphical Models
- MRF
- MRF Learning
- Directed Graphical Models
- Gaussian Process
- Kernels
- Conditional of a Gaussian
- Gaussian Process
- Markov Process
- Markov Models
- Hidden Markov Models
- HMM Learning
- State Space Models
- Kalman Filtering
- Kalman Smoothing
- Varitional Inference
- Mean-field Method
- Expectation Propagation
- Sampling
- Sampling From Gaussian
- Rejection Sampling
- Importance Sampling
- MCMC
- Gibbs Sampling
- Collapsed Gibbs Sampling
- Metropolis Hastings Algorithm
- Haliltonian Dynamics
- Thompson Sampling
- Bayesian Optimization
参考书¶
MLAPP(Machine Learning: A Probabilistic Perspective) by Kevin P. Murphy
体会¶
内容全面,听起来很爽的课。难度较大,推导需要一些的数学技巧。
如果周老师讲话能更有力量一点就好了,他的low voice真的有些催眠😭
最后更新: 2025-03-04 21:59:01
创建日期: 2025-02-13 20:38:21
创建日期: 2025-02-13 20:38:21