大数据微课李文哲普惠金融在大数据环境下的贝叶斯推理

主讲人：李文哲,普惠金融首席数据科学家；主题：在大数据环境下的贝叶斯推理时间：4月16日晚8点。...

主讲人：李文哲

美国南加州大学机器学习博士，

师从机器学习领域的权威Max Welling教授，

荷兰阿姆斯特丹大学访问学者，先后发表数篇论文在 AAAI、KDD、AISTATS、CHI 等国际顶级会议和期刊上。

目前在普惠金融负责公司的人工智能、大数据技术以及创新产品的研发。在美期间，先后就职过亚马逊、高盛、Fiserv等多家公司。

▣ 主题：在大数据环境下的贝叶斯推理

▣ 时间：4月16日 20:00-22:00

▣ 地点：大数据9期微信直播群

▣ 讲座概要：

贝叶斯模型（比如LDA, MMSB），作为机器学习的一个重要分支，在学术界和工业界受到越来越多的关注。

它主要的优点在于有效地结合不确定性（uncertainty）并加快模型的选择（model selection）。但由于模型本身的复杂性，大部分时候需要用采样（sampling）或变分推理（variational inference）的方式去学习。

本讲座主要讲述贝叶斯思想以及它的优缺点、并介绍如何克服大数据环境下的模型的学习。

▣ ：讲座提纲

1. 统计学两大学派：频率论 vs 贝叶斯学派

2. 介绍Maximum likelihood ，Maximum a posteriori estimation ，Bayesian estimation，以及它们之间的区别

3. 贝叶斯的核心思想、采样和变分推理简介

4. 贝叶斯模型的缺点

5. 结合随机优化方法和采样技术做大规模贝叶斯模型学习

▣ ：部分参考文献

1. Li, Wenzhe, Sungjin Ahn, and Max Welling. "Scalable MCMC for Mixed Membership Stochastic Blockmodels." arXiv preprint arXiv:1510.04815(2015).

2. Welling, Max, and Yee W. Teh. "Bayesian learning via stochastic gradient Langevin dynamics." Proceedings of the 28th International Conference on Machine Learning (ICML-11). 2011.

▣ 如何报名：