課程名稱 |
機率圖形學習模型 Probabilistic Graphical Model |
開課學期 |
101-1 |
授課對象 |
電機資訊學院 資訊工程學研究所 |
授課教師 |
林守德 |
課號 |
CSIE7436 |
課程識別碼 |
922 U4050 |
班次 |
|
學分 |
3 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期二6,7,8(13:20~16:20) |
上課地點 |
資101 |
備註 |
限學士班三年級以上 總人數上限:80人 |
課程網頁 |
http://www.csie.ntu.edu.tw/~sdlin/Courses/PGM.htm |
課程簡介影片 |
|
核心能力關聯 |
本課程尚未建立核心能力關連 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
Probabilistic Graphical Model是人工智慧與機器學習裡面很重要的一支,2012 年Turing award的得主Pearl就是以發展出的Bayesian Network得獎。在全球知名CS的大學如Stanford,CMU都有開設此課程。
本課程將會著重介紹並實做不同的機率圖形模型,包括Bayesian Network,Markov Random Field,以及其他變形如Conditional Random Field, Probability Relational Model, Markov Logic Network等等
|
課程目標 |
詳見:http://www.csie.ntu.edu.tw/~sdlin/Courses/PGM.htm |
課程要求 |
|
預期每週課後學習時數 |
|
Office Hours |
另約時間 備註: Professor Lin: Tu after class or by appointment <br>
TA 李重毅 Chung-yi Li (...), wed 10-12pm r302
<br>
TA 林廷韋 Ting-wei Lin (...), thu 3pm-5pm r302) <br> |
指定閱讀 |
|
參考書目 |
|
評量方式 (僅供參考) |
|
週次 |
日期 |
單元主題 |
第1週 |
09/11 |
Course introduction |
第2週 |
09/18 |
Bayesian Networks |
第3週 |
09/25 |
BN, Case Study |
第4週 |
10/02 |
Markov Networks |
第5週 |
10/09 |
Exact Inference |
第6週 |
10/16 |
Exact Inference |
第7週 |
10/23 |
Approximate Inference |
第8週 |
10/30 |
Variational Approximate Inference |
第9週 |
11/06 |
Learning Distributions |
第10週 |
11/13 |
Parameter Estimation |
第11週 |
11/20 |
MLE for undirected models, Naive Bayes |
第12週 |
11/27 |
Learning with hidden variables (EM1) |
第13週 |
12/04 |
Learning with hidden variables (EM2) |
第14週 |
12/11 |
Final Project Proposal |
第15週 |
12/18 |
Structure learning & Bayesian Model Selection |
第16週 |
12/25 |
Summary |
|