BYR Achieve · 镜像论坛

概率图模型（PGM）是概率图模型是用图来表示变量概率依赖关系的理论。PGM巧妙地结合了图论和概率论。不管数据和知识多复杂，我们的处理手段是一样的：建一个图，定义一个概率分布，进行推理和学习优化。这对于描述复杂的实际问题，构建大型的人工智能系统来说，是非常重要的。概率图模型目前被广泛应用于计算机视觉、自然语言处理、统计机器学习等重要领域，并取得了非常成功的结果。举几个例子：隐马尔可夫模型（HMM）是语音识别的支柱模型；条件随机场（CRF）广泛应用于自然语言处理（如词性标注，命名实体识别）；Lsing模型获得过诺贝尔奖；话题模型在工业界大量使用（如腾讯的推荐系统）等等。对于PGM的学习，面对网上零碎的知识点，为了解决知识系统化的问题，我们一般都会选择去购买相关的书籍来进行弥补。然而，国内中文版的概率图模型书籍，却是少的可怜，很难满足不同人群的需求。为此，深蓝学院联合清华大学博士正式推出全网独家中文课程——『概率图模型理论与应用』，重点讲述概率图模型的表示、推理（精确推理和近似推理）以及学习。在学习过程中有任何的问题，均可在私密微信答疑群进行答疑交流。【课程讲师】董建家，清华大学自动化系博士，美国Cornell University访问学者，博士期间研究方向为概率图模型、机器学习、医学图像处理等，在IEEE Transactions on Medical Imaging，Magnetic Resonance in Medicine，Neurocomputing等国际顶级期刊和会议上共发表高水平论文13篇（ SCI检索论文7篇，EI检索论文6篇），申请专利20项。【内容摘要】 1. 概率图模型简介什么是概率图模型？概率图模型发展历程、基础知识及应用举例。 2. 概率图模型的表示概率论与图论基础知识回顾，贝叶斯网络，马尔科夫随机场 3. 概率图模型的精确推理推理问题分类及意义，变量消元法，信念传播算法（BP算法），团树传播算法，二值图切法 4. 概率图模型的近似推理算法的能量最小化解释，基于约束松弛和对偶分解的近似推理，基于采样的近似推理，基于图切法的近似推理算法 5. 概率图模型的学习参数学习，结构学习 6. 概率图模型的应用条件随机场在自然语言处理中的应用，MRF在医学图像中的应用【报名方式】微信添加助教书哲（shenlanflying），备注“PGM”可优先通过。

是否有必要系统学习概率图模型