Descripción
Los modelos generativos son un paradigma clave para el razonamiento probabilístico dentro de los modelos gráficos y los lenguajes de programación probabilísticos. Es uno de los campos emocionantes y de rápida evolución del aprendizaje de la máquina estadística y la inteligencia artificial. Los recientes avances en la parametrización de modelos generativos utilizando redes neuronales profundas, combinados con los progresos en los métodos de optimización estocástica, han permitido el modelado escalable de datos complejos y de alta dimensión, incluyendo imágenes, texto y voz. En este curso, estudiaremos los fundamentos probabilísticos y los algoritmos de aprendizaje de los modelos generativos profundos y discutiremos las áreas de aplicación que se han beneficiado de los modelos generativos profundos.
Lo que aprenderás
- Una poderosa forma de aprender la distribución de datos
- Cómo aplicar varios algoritmos para la toma de decisiones, encontrar analogías y predecir eventos futuros
- Varias aplicaciones a modelos generativos profundos, incluyendo visión por computadora, procesamiento del habla y del lenguaje
Instructor(es)
Requisitos previos
Conocimientos básicos sobre el aprendizaje de máquinas de al menos uno de los CS 221, 228, 229 o 230. Los estudiantes trabajarán con modelos computacionales y matemáticos y deben tener un conocimiento básico de probabilidades y cálculo. Se requiere dominio de algún lenguaje de programación, preferiblemente Python.
Los temas incluyen
- Modelos autorregresivos
- Autocodificadores variables
- Normalizando los modelos de flujo
- Redes de adversarios generativos
- Modelos basados en la energía
Notas
Nota sobre la disponibilidad del curso
Este curso se ofrece típicamente en el trimestre de otoño.
El programa de cursos se muestra para fines de planificación – los cursos pueden ser modificados, cambiados o cancelados. La disponibilidad de los cursos se considerará finalizada el primer día de inscripción abierta. Para las fechas de inscripción trimestrales, por favor, consulte nuestra página web del certificado de graduado.