2,443
个编辑
更改
跳到导航
跳到搜索
第472行：
第472行： + + + + + + + + + + + + + + + + + + + + + + + + + + +
无编辑摘要
*[http://www.labmedinfo.org/download/lmi339.pdf Hierarchical Naive Bayes Model for handling sample uncertainty], shows how to perform classification and learning with continuous and discrete variables with replicated measurements.
*[http://www.labmedinfo.org/download/lmi339.pdf Hierarchical Naive Bayes Model for handling sample uncertainty], shows how to perform classification and learning with continuous and discrete variables with replicated measurements.
==编者推荐==
=== 课程推荐 ===
==== [https://campus.swarma.org/course/1579 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/1798 因果科学读书会第一季] ====
本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！
==== [https://campus.swarma.org/course/2460 因果科学与Causal AI读书会第二季] ====
因果科学读书会的第二季将会从基础的部分介绍图模型，以及更多跟图模型拓展相关，解释因果性的文章。读书会期间将会精读三本因果科学方向的优秀书籍，并共同完成书籍中的思考题。
=== 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。