【导读】卡内基梅隆大学(CMU),在2020年春季学习继续开设了由Eric P. Xing教授执教的经典课程《Probabilistic Graphical Models》(概率图模型)。这门课程从2005年开设至今,已经有十多个年头了。它影响了一代又一代计算机学者,为学界培养了大量机器学习人才。直到如今,概率图模型仍然是机器学习领域非常火热的方向,感兴趣的同学不要错过。
课程简介:
在人工智能、统计学、计算机系统、计算机视觉、自然语言处理和计算生物学等许多其他领域中,许多问题都可以看作是从局部信息中寻找一致的全局结论。概率图模型框架为这一范围广泛的问题提供了统一的视角,支持对具有大量属性和庞大数据集的问题进行有效的推理、决策和学习。无论是应用图模型来解决复杂问题还是作为将图模型作为核心研究课题,本课程都能为你打下坚实基础。
邢波 Eric P. Xing 教授
Eric P.Xing是卡内基梅隆大学(Carnegie Mellon University)计算机科学教授,是2018年世界经济论坛(World Economic Forum)技术先驱公司Petuum Inc.的创始人、首席执行官和首席科学家,该公司为广泛和通用的工业人工智能应用构建标准化人工智能开发平台和操作系统。美国新泽西州立大学分子生物学与生物化学博士;美国加州大学伯克利分校(UC,Berkeley)计算机科学博士。主要研究兴趣集中在机器学习和统计学习方法论及理论的发展,和大规模计算系统和架构的开发,以解决在复杂系统中的高维、多峰和动态的潜在世界中的自动化学习、推理以及决策问题。目前或曾经担任《美国统计协会期刊》(JASA)、《应用统计年鉴》(AOAS)、《IEEE模式分析与机器智能学报》(PAMI)和《PLoS计算生物学杂志》(the PLoS JournalofComputational Biology)的副主编,《机器学习杂志》(MLJ)和《机器学习研究杂志》(JMLR)的执行主编,还是美国国防部高级研究计划署(DARPA)信息科学与技术顾问组成员,曾获得美国国家科学基金会(NSF)事业奖、Alfred P. Sloan学者奖、美国空军青年学者奖以及IBM开放协作研究学者奖等,以及多次论文奖。曾于2014年担任国际机器学习大会(ICML)主席。
http://www.cs.cmu.edu/~epxing/
课程信息:
课程网站:
https://www.cs.cmu.edu/~epxing/Class/10708-20/index.html
教师: Eric P. Xing (epxing@cs)
时间: MW 12:00-1:20pm
地点: Wean 7500
办公时间: Mon 1:30-2:30pm GHC 8101
Piazza:
https://www.piazza.com/cmu/spring2020/10708
Gradescope:
https://www.gradescope.com/courses/80181
助教 (email, office hours):
Xun Zheng (xzheng1@andrew, Fri 4-5pm GHC 8013)
Ben Lengerich (blengeri@andrew, Thu 10-11am GHC 9005)
Haohan Wang (haohanw@andrew, Fri 5-6pm)
Yiwen Yuan (yiweny@andrew, Tue 1:50-2:50pm, outside GHC 8011)
Xiang Si (xsi@andrew, Wed 2-3pm, GHC Citadel Commons)
Junxian He (junxian1@andrew, Mon 4-5pm GHC 6603)
课程安排:
第一课PPT:
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“PGM2020” 就可以获取《概率图模型-图模型导论》PDF专知下载链接