Principal investigator (ÚFAL): 
Provider: 
Grant id: 
MSMT FRVS 182/2013 B6 c
ÚFAL budget: 
69 tis. Kč
Duration: 
2013-2013
Tags: 

MOBAme

Modern Bayesian methods in machine learning

The goal of this project is to introduce a new course aimed at modern Bayesian inference methods.  The course will emphasize and discuss methods which have application in robotics, natural language processing, data mining, and web search.  The course will be composed of a series of lectures presented by experts from the Machine Learning Group, Cambridge University, UK, led by Prof. Zoubin Ghahramani. The course will be presented in English and it will be based on the machine learning course taught by Carl Edward Rasmussen and Zoubin Ghahramani at Cambridge University Engineering Department.  

  • Start:         1.3.2013
  • Duration:   1 year
  • Sponsor:    MSMT FRVS 182/2013 B6 c 
 
Rozšíření výuky strojového učení založeného na bayesovských metodách
Cílem projektu je rozšířit výuku moderních metod strojového učení založených na pravděpodobnostních bayesovských metodách. Ačkoli tyto metody mohou být výpočetně velmi náročné, ukazuje se, že při aplikaci vhodných aproximativních technik jsou úlohy z reálného světa řešitelné a zároveň dosahují těch nejlepších výsledků. Překážkou pro zavedení těchto metod do výuky je v současné době nedostupnost vhodného učebního materiálu. Většina knih zabývajících se strojovým učením pokrývá moderní bayesovské metody jen okrajově. A publikace menšího rozsahu, např. články v odborných časopisech, se zabývají pouze velmi specifickými případy těchto metod. Proto jako nejvhodnější pro rozšíření výuky těchto metod na Matematicko-fyzikální fakultě (MFF) UK, se jeví pozvání zahraničních odborníků, kteří se věnují výzkumu v této oblasti a zároveň výuce těchto metod, a využít jejich zkušeností k vytvoření nového studijního předmětu a jeho propojení se stávajícími předměty vyučující klasické metody strojového učení.
 
  • Zahájení projektu:        1.3.2013
  • Doba trvání projektu:   1 year​
  • Sponzor:                       MSMT FRVS 182/2013 B6 c