אמידה בייסיאנית אמורטיזציה מעשית

תיאור

**🎙️ דובר:** תומס ויקי, דוקטור, לוקה פיאשקי, דוקטור, ו**⏰ זמן:** 15:00 UTC / 8:00 PT / 11:00 ET / 17:00 ברלין. שיטות MCMC מסורתיות כמו NUTS מהוות את הסטנדרט האירי להערכת פרמטרים, אך הן נתקלות בקשיים כאשר ישנם ליקוד לא ניהוליים, מודלים סימולציה מורכבים או דרישות בזמן אמת בייצור שבהן דגימה לא יכולה לקחת דקות או שעות. כאן נכנסת לתמונה ההנחה הבייסיאנית האמורטיזציה (ABI): שינוי פרדיגמטי שבו ארכיטקטורות AI גנרטיביות (כמו זרמי נורמליזציה, מודלים של תלות ודיפוזיה והתאמת זרם) מאומנות באופן לא מקוון על מנת ללמוד הפצות פוסטריור מורכבות. לאחר האימון, ההנחה הופכת למהירה מאוד. בוובינר מעשי זה, סטפן רדב (יוצר BayesFlow ופרופסור במכון רנסלאר) יחד עם PyMC Labs, יראו כיצד לאמן רשתות אינפראנס נוירליות ולהשליך אותן ישירות לעבודה עם PyMC. **מה תקבלו:** * **יסודות של ABI:** כיצד AI גנרטיבי הופך מודלים סימולציה למכונות הנחה הסתברותיות מיידיות. * עקיפת ליקוד לא ניהוליים: כיצד לאמן מעריכים נוירליים של ליקוד ב-BayesFlow ולשלבם עם ה-JAX של PyMC עבור דגימת MCMC. * **קשה לאמן, קל ליישם:** כיצד להעביר את העומס החישובי למחוץ לקו, כדי להשיג הנחה בייסיאנית תת-שנייה בסביבות ייצור. * **אבחנות ואמון:** כיצד להשתמש באבחנות על בסיס סימולציה (SBC) ואבחנות כיסוי כדי לוודא שהרשת הנוירלית שלך לא מייצרת פוסטריור