Bayes'sche Statistik ist das vorherrschend Paradigma der modernen KI. Probabilistische Graphische Modelle sind ein klassisches Mittel zur Repräsentation und Verarbeitung der dazu nötigen komplexen Wahrscheinlichkeitsverteilungen.
Behandelt werden unter anderem folgende Themen:
- Auffrischung Wahrscheinlichkeits- & Bayes’sche Entscheidungstheorie
- Gerichtete und ungerichtete graphische Modelle und deren Eigenschaften
- Inferenz in Baumgraphen
- Approximative Inferenz in allgemeinen Graphen: Message Passing und Mean Field
- Lernen von gerichteten und ungerichteten Modellen
- Sampling-Methoden für Inferenz und Lernen
- Modellierung in Beispielanwendungen, inkl. Topic-Modelle
- Tiefe Netze
- Halb-überwachtes Lernen
- Dozent*in: Kristian Kersting
- Dozent*in: Cigdem Turan