开源PPT | 深度学习贝叶斯理论与实践

深度学习与贝叶斯理论的结合一直是前沿研究的热点。在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在实际应用中实现更好的结果。

• 项目地址：https://github.com/bayesgroup/deepbayes-2018

• 视频地址：https://www.youtube.com/playlist?list=PLe5rNUydzV9Q01vWCP9BV7NhJG3j7mz62

• 主页地址：http://deepbayes.ru/

课程主要内容

整个课程涉及贝叶斯学习的方方面面，从最基础的贝叶斯原理到比较难的变分推断和马尔可夫链蒙特卡洛方法。以下展示了整个课程的主题列表。

第一部分：

• 贝叶斯方法简介

• 贝叶斯推理

• 隐变量模型和 EM 算法

• EM 算法

第二部分：

• 随机优化简介

• 可扩展贝叶斯方法

• 变分自编码器

• 狄利克雷隐变量

第三部分：

• 变分推断高级方法

• 变分推断视角下的强化学习

• 强化学习

• 分布式强化学习

第四部分：

• 生成模型

• 对抗学习

• 扩展再参数化的技巧

第五部分：

• 高斯过程

• 贝叶斯优化

• 深度高斯过程

• 马尔可夫链蒙特卡洛方法

• 随机马尔可夫链蒙特卡洛方法

第六部分：

• 贝叶斯神经网络和变分 Dropout

• 稀疏变分 Dropout 和方差网络

• 信息瓶颈

  
  

六个部分的PPT笔者已经为大家整理好，有需要的读者可以扫描下方二维码加我微信获取。