读懂概率图模型：你需要从基本概念和参数估计开始丨数据工匠简报

点击上方

Datartisan数据工匠

可以订阅哦！

page
1

读懂概率图模型：你需要从基本概念和参数估计开始

概率图模型是人工智能领域内一大主要研究方向。近日，Statsbot 团队邀请数据科学家 Prasoon Goyal 在其博客上分两部分发表了一篇有关概率图模型的基础性介绍文章。文章从基础的概念开始谈起，并加入了基础的应用示例来帮助初学者理解概率图模型的实用价值。机器之心对该文章进行了编译介绍。

第一部分：基本术语和问题设定

机器学习领域内很多常见问题都涉及到对彼此相互独立的孤立数据点进行分类。比如：预测给定图像中是否包含汽车或狗，或预测图像中的手写字符是 0 到 9 中的哪一个。

事实证明，很多问题都不在上述范围内。比如说，给定一个句子「I like machine learning」，然后标注每个词的词性（名词、代词、动词、形容词等）。正如这个简单例子所表现出的那样：我们不能通过单独处理每个词来解决这个任务——「learning」根据上下文的情况既可以是名词，也可以是动词。这个任务对很多关于文本的更为复杂的任务非常重要，比如从一种语言到另一种语言的翻译、文本转语音等。

使用标准的分类模型来处理这些问题并没有什么显而易见的方法。概率图模型（PGM/probabilistic graphical model）是一种用于学习这些带有依赖（dependency）的模型的强大框架。这篇文章是 Statsbot 团队邀请数据科学家 Prasoon Goyal 为这一框架编写的一份教程。

在探讨如何将概率图模型用于机器学习问题之前，我们需要先理解 PGM 框架。概率图模型（或简称图模型）在形式上是由图结构组成的。图的每个节点（node）都关联了一个随机变量，而图的边（edge）则被用于编码这些随机变量之间的关系。

根据图是有向的还是无向的，我们可以将图的模式分为两大类——贝叶斯网络（ Bayesian network）和马尔可夫网络（Markov networks）。

扫码阅读原文

page

2

我用 Google Lens 看了一眼去未来的路，似乎还是有点远

Google Lens 这个被整合在 Google Assistant 中的功能，终于在距离五月份的 Google I/O 近半年的等待后，出现在了 Google Pixel 手机中。而从昨天开始，所有 Pixel 系列手机中的 Google Lens 都可以开始使用，而当前 Google Lens 只能在英文系统环境下使用。

在半年前的 Google I/O 上，Google Lens 作为当时为数不多的亮点，确实非常让人印象深刻，通过 Google Lens 让未知的一切变成已知，是它最神奇的地方。爱范儿（微信：ifanr）的一台 Google Pixel 也在昨天收到了 Google 推送的 Google Lens 功能，不过由于地域，网络，语言等因素的限制，只能做一些简单的体验供大家参考。

扫码阅读原文

page

3

深度学习基础指南

人工智能和机器学习是现如今最热门的话题了。

“人工智能”这个词每天被到处乱用。你听到开发者们说他们要学习人工智能。你也会听到管理者说他们要把人工智能技术应用他们的服务中。但他们往往并不了解人工智能。

读完这篇文章，你将会了解到人工智能和机器学习的基础知识。更重要的是你将会了解到最流行的一种机器学习技术——深度学习是如何工作的。

这篇指引是面向大众的，所以文中不会出现高等数学的内容。

背景知识

理解学习深度的第一步是掌握重要术语之间的差异。

人工智能与机器学习

人工智能是人类智能在计算机中的复现。

在人工智能研究的起步阶段，研究人员正试图在计算机上复现人类智能的具体任务 —— 比如玩游戏。

他们引入了计算机需要遵守的大量规则。计算机有一个具体的可能行动清单，并根据这些规则做出决定。

机器学习指的是机器学习使用大数据集而不是硬编码规则的能力。

扫码阅读原文

更多课程和文章尽在微信号

「datartisan数据工匠」