2,439
个编辑
更改
跳到导航
跳到搜索
第170行：
第170行： + + + − − 第182行：
第183行： − [[File:图模型的介绍.jpeg|400px| thumb |right| [https://campus.swarma.org/course/1579 因果科学与Causal AI读书会第二季]]]+ +
→编者推荐
人工智能可以看做两个割裂的阶段，一是早期的基于符号的搜索，二是现在的机器学习，概率图模型可以将两者统一起来。概率图模型完美融合了人工智能的各个任务，我们既可以表示知识、推理、概率推断、learning，是为数不多的能够统一全部内容的方法。本课程中，北京师范大学系统科学学院教授张江将从概率理论、贝叶斯网、马尔科夫网和表示学习四部分内容讲解概率图模型。
人工智能可以看做两个割裂的阶段，一是早期的基于符号的搜索，二是现在的机器学习，概率图模型可以将两者统一起来。概率图模型完美融合了人工智能的各个任务，我们既可以表示知识、推理、概率推断、learning，是为数不多的能够统一全部内容的方法。本课程中，北京师范大学系统科学学院教授张江将从概率理论、贝叶斯网、马尔科夫网和表示学习四部分内容讲解概率图模型。
[[File:图模型的介绍.jpeg|400px| thumb |right| [https://campus.swarma.org/course/1579 因果科学与Causal AI读书会第二季]]]
==== [https://campus.swarma.org/course/1579 概率上的图模型|Openlab内部读书会第一期分享] ====
==== [https://campus.swarma.org/course/1579 概率上的图模型|Openlab内部读书会第一期分享] ====
这部分内容是由北京师范大学的张章进行分享的内容，也可以作为一个参考推荐给大家。
这部分内容是由北京师范大学的张章进行分享的内容，也可以作为一个参考推荐给大家。
=== 文章推荐 ===
[https://longaspire.github.io/blog/%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B%E6%80%BB%E8%A7%88/ Liitle Stone的个人主页]上专门梳理了概率图模型的重点信息，包括公式推导和常用算法解释，推荐大家学习。