Probabilistisk kunstig intelligens

DT8122 er en sommerskole, og kan for øyeblikket kun tas av deltakere av Probabilistic AI School summer school (ProbAI).

Kurset blir organisert som en rekke forelesninger med av praktiske oppgaver. Det vil også være seminarer som dekker forskningsområder og anvendelser relatert til hovedtemaene. Vi vil (foreløpig) dekke følgende emner:

• Probabilistiske modeller, variasjonell inferens og probabilistisk programmering
• Introduksjon til probabilistisk modellering
• Bayesiansk modellering: prior, likelihood og posterior
• Begreper innen Bayesianske nettverk og latente variable-modeller
• Posterior inferens og parameterlæring
• Modelleringsteknikker
• Variational inference
  • Mean-field, CAVI og konjugerte modeller
  • Stokastisk Variational inference og optimering
  • Black-box Variational inference
  • AutoDiff Variational inference
• Probabilistisk programmering
• Dype generative modeller
• Kombinasjon av klassiske nevrale nettverk og probabilistiske modeller.
• Applikasjoner av Probabilistisk AI teknikker i data analyse

Hovedpoenget med kurset er å lære prinsippene for probabilistiske modeller og dype generative modeller innen maskinlæring og kunstig intelligens, samt å tilegne seg ferdigheter i bruken av eksisterende verktøy som implementerer disse prinsippene (probabilistic programming languages).

Kunnskaper: Studenten vil lære teorien for probabilistic modelling, variational inference, probabilistic programming og deep generative models.

Ferdigheter: Modelldesign, inference og programmering med probabilistiske modeller og dype generative modeller for et sett problemer.

Generell kompetanse: Å kunne tenke på problemer innen maskinlæring og kunstig intelligens ut fra prinsippene for probabilistisk modellering.

All undervisning gis på den årlige Probabilistic AI Summer School (https://probabilistic.ai). Den eneste måten å ta kurset på er å være del av sommerskolen det samme året som du ønsker å ta kurset.