深度學(xué)習(xí)與貝葉斯理論的結(jié)合一直是前沿研究的熱點(diǎn)。在 Deep|Bayes 夏季課程中，授課人將討論貝葉斯方法如何結(jié)合深度學(xué)習(xí)，并在實(shí)際應(yīng)用中實(shí)現(xiàn)更好的結(jié)果。

• 項(xiàng)目地址：https://github.com/bayesgroup/deepbayes-2018

• 視頻地址：https://www.youtube.com/playlist?list=PLe5rNUydzV9Q01vWCP9BV7NhJG3j7mz62

• 主頁地址：http://deepbayes.ru/

課程主要內(nèi)容

整個(gè)課程涉及貝葉斯學(xué)習(xí)的方方面面，從最基礎(chǔ)的貝葉斯原理到比較難的變分推斷和馬爾可夫鏈蒙特卡洛方法。以下展示了整個(gè)課程的主題列表。

第一部分：

• 貝葉斯方法簡介

• 貝葉斯推理

• 隱變量模型和 EM 算法

• EM 算法

第二部分：

• 隨機(jī)優(yōu)化簡介

• 可擴(kuò)展貝葉斯方法

• 變分自編碼器

• 狄利克雷隱變量

第三部分：

• 變分推斷高級方法

• 變分推斷視角下的強(qiáng)化學(xué)習(xí)

• 強(qiáng)化學(xué)習(xí)

• 分布式強(qiáng)化學(xué)習(xí)

第四部分：

• 生成模型

• 對抗學(xué)習(xí)

• 擴(kuò)展再參數(shù)化的技巧

第五部分：

• 高斯過程

• 貝葉斯優(yōu)化

• 深度高斯過程

• 馬爾可夫鏈蒙特卡洛方法

• 隨機(jī)馬爾可夫鏈蒙特卡洛方法

第六部分：

• 貝葉斯神經(jīng)網(wǎng)絡(luò)和變分 Dropout

• 稀疏變分 Dropout 和方差網(wǎng)絡(luò)

• 信息瓶頸

  
  

六個(gè)部分的PPT筆者已經(jīng)為大家整理好，有需要的讀者可以掃描下方二維碼加我微信獲取。