深度概率图模型，Deep Probabilistic Models

欢迎来到“深度概率模型”迷你课程页面。本页包含来自澳大利亚数学科学研究所(AMSI) 2021年冬季学校长达一周的深度概率模型系列(以及Pyro介绍)的资源。这是一个由研究生、早期职业研究人员和行业人士参加的年度冬季学校。

这门课很受欢迎，所以我把所有的讲课幻灯片和教程材料都放在了这个页面上，供那些可能也会感兴趣的公众使用。材料包括大约8个50分钟的讲座和两个1小时的教程(实践)。(使用PyTorch和Pyro实现示例)。

我的课程目标是在一个“统一”的框架和方式中呈现材料，适合那些知道神经网络基础知识但不一定有很多概率机器学习/统计的人，使用一些最小的编码示例(在PyTorch和Pyro中)来帮助教学。

本课程由四部分组成:

• 基于流的模型。
• 生成对抗网络和随机反向传播
• 图模型、深度潜在变量模型和变分学习
• 平摊变分推理，变分自动编码器，和Pyro的介绍