15 октября и 7 ноября 2019 года прошла серия докладов, посвященных основам байесовского подхода в машинном обучении.

Байесовские методы в машинном обучении опираются на теорию вероятности и математическую статистику.

Мой коллега, кандидат физико-математических наук Виталий Николаевич Неспирный, подготовил для нас доклад, в котором подробно рассмотрел особенности байесовского вывода при принятии решений.

Доклад состоит из двух частей. В первой части рассмотрены базовые понятия теории вероятностей: условная вероятность и формула Байеса, некоторые концептуальные понятия теории вероятностей. Далее подробно рассматриваются примеры решения задач.

Вторая часть доклада охватывает вопросы исследования непрерывных случайных величин и применение байесовского подхода в машинном обучении: схема байесовского вывода, наивный байесовский классификатор, метод оценки с помощью апостериорного максимума (MAP), аналитический байесовский метод, нахождение скрытого представления.
Доклад замечателен тем, что для каждого метода приводятся примеры, помогающие лучше понять и разобраться.

Слайды к докладам находятся по ссылке на google-disc Часть 1, Часть 2