Past Meetup

Modelowanie probabilistyczne: wprowadzenie do przepływów normalizujących

This Meetup is past

17 people went

ShelfWise

ul. Berka Joselewicza 21c · Kraków

How to find us

Wejście od tyłu budynku, wjazd na parking od ulicy Joselewicza (mijając Biedronkę po lewej stronie, na końcu ulicy po prawej jest brama, należy w nią wjechać), wejście ostatnimi drzwiami, piętro II.

Location image of event venue

Details

# Abstrakt:

Prezentacja będzie dotyczyć stosunkowo młodej techniki zwanej przepływami normalizującymi (ang. Normalizing Flows) [1]. Wykład będzie podzielony na dwie części. W pierwszej zostaną omówione teoretyczne podstawy probabilistycznego modelowania, jak generowanie nowych danych, metoda największej wiarygodności (ang. maximum likelihood estimation), zamiana zmiennych losowych i jej wpływ na gęstość prawdopodobieństwa. Ta część będzie miała charakter akademicki i będzie wsparta prostymi przykładami, pomocnymi w zrozumieniu omawianych koncepcji. W drugiej części wykładu pokażemy w jaki sposób można budować modele oparte o omawianą technikę i gdzie mogą one mieć zastosowanie. Zostaną zaprezentowane proste przykłady kodu pokazujące działanie przepływów normalizujących przy użyciu biblioteki Tensorflow. W tej części zostaną również omówione podstawowe implementacje przepływów pojawiające się w licznych publikacjach naukowych jak Inverse Autoregressive Flow, czy Masked Autoregressive Flow, które, jak sama nazwa wskazuje, oparte są o tak zwane modelowanie autoregresyjne.

# Czego się nauczysz?

* co to są przepływy normalizacyjne i jak działają,
* w jaki sposób zbudować własny model oparty o PN za pomocą biblioteki Tensorflow,
* zapoznasz się z aktualnymi wynikami badań w omawianej tematyce,

# Referencje:
[1] https://arxiv.org/pdf/1505.05770.pdf - Variational Inference with Normalizing Flows

# UWAGA:
Osoby które nie są pewne czy poziom wykładu będzie dla nich odpowiednio za mały bądź za duży, zapraszam do zaznajomienia się z moimi poprzednimi prezentacjami. Planowany wykład będzie prowadzony dokładnie w tym samym stylu.
https://github.com/kmkolasinski/deep-learning-notes/tree/master/seminars