Bayes'sche Statistik ist das vorherrschende 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: Devendra Dhami
- Dozent*in: Kristian Kersting
- Dozent*in: Patrick Schramowski
- Dozent*in: Wolfgang Stammer