Praktyczne Amortyzowane Wnioskowanie Bayesowskie

Opis

**🎙️ Prelegenci:🎙️ Prelegenci:** Thomas Wiecki, PhD, Luca Fiaschi, PhD, i**⏰ Czas:** 15:00 UTC / 8:00 AM PT / 11:00 AM ET / 5:00 PM Berlina. Tradycyjne metody MCMC, takie jak NUTS, są złotym standardem w estymacji parametrów, ale napotykają problem, gdy mają do czynienia z trudnymi do określenia prawdopodobieństwami, złożonymi modelami symulacyjnymi lub wymaganiami produkcyjnymi w czasie rzeczywistym, gdzie próbkowanie nie może zajmować minut czy godzin. Wprowadzenie Amortyzowanego Wnioskowania Bayesowskiego (ABI): zmiana paradygmatu, w której architektury sztucznej inteligencji generatywnej (takie jak Normalizujące Przepływy, Modele Dyfuzji i Dopasowanie Przepływu) są szkolone offline, aby nauczyć się złożonych rozkładów posteriori. Po zakończeniu szkolenia wnioskowanie staje się szybkim procesem. W tym praktycznym webinarze Stefan Radev (twórca BayesFlow i adiunkt na RPI) dołącza do PyMC Labs, aby zademonstrować, jak szkolić sieci neuronalne do wnioskowania i integrować je bezpośrednio z przepływami pracy PyMC. **Co zabierzesz ze sobą** * **Podstawy ABI:** Jak sztuczna inteligencja generatywna zmienia modele symulacyjne w natychmiastowe silniki wnioskowania probabilistycznego. * Omijanie trudnych do określenia prawdopodobieństw: Jak szkolić Neuronalne Estymatory Prawdopodobieństwa w BayesFlow i podłączyć je do backendu JAX w PyMC do próbkowania MCMC. * **Szkolenie na ciężko, wdrażanie szybko:** Jak przenieść obciążenie obliczeniowe offline, aby osiągnąć wnioskowanie bayesowskie w czasie krótszym niż sekunda w środowiskach produkcyjnych. * **Diagnostyka & Zaufanie:** Jak używać Kalibracji Opartej na Symulacji (SBC) i diagnostyki pokrycia, aby upewnić się, że Twoja sieć neuronowa nie „halucynuje” rozkładów posteriori. * **Demo na żywo:** Krok po kroku budowanie, trenowanie i ocenianie modelu BayesFlow obok PyMC. **Kto powinien dołączyć** * Naukowcy danych i inżynierowie ML, którzy chcą wdrażać modele bayesowskie w rzeczywistych procesach produkcyjnych. * Użytkownicy PyMC i Stan, którzy chcą modelować złożone dane oparte na symulatorach bez wyraźnych funkcji prawdopodobieństwa. * Badacze i analitycy ilościowi zainteresowani nowoczesnymi zastosowaniami sztucznej inteligencji generatywnej w wnioskowaniu opartym na modelu. 📜 **Zarys prezentacji / Agenda:** * 5 min: Wprowadzenie do PyMC Labs i prelegentów * 40 min: Dyskusja panelowa * 15 min: Q&A \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **💼 O prelegentach:** **Dr. Thomas Wiecki** **(** Założyciel PyMC Labs) Współautor PyMC, wiodącej platformy dla nauki o danych i statystyki. Aby pomóc firmom rozwiązać niektóre z ich najtrudniejszych problemów związanych z danymi, zebrał światowej klasy zespół modelarzy bayesowskich i założył PyMC Labs - konsulting AI opartej na Bayesie. Uzyskał doktorat na Uniwersytecie Browna, studiując neuropsychologię. **Skontaktuj się z Thomasem:** 👉[ Linkedin ](https://www.linkedin.com/in/twiecki/)🧩 [Github](https://github.com/twiecki) **Dr. Luca Fiaschi (Partner w PyMC Labs, Gen AI Vertical)** Luca pomaga organizacjom odblokować wartość danych i AI. Z ponad 15-letnim doświadczeniem, prowadził i rozwijał zespoły w Mistplay, HelloFresh, Alibaba i Stitch Fix, wprowadzając innowacje w personalizacji, optymalizacji marketingu i modelowaniu przyczynowym. Posiada doktorat z informatyki na Uniwersytecie w Heidelbergu. **Skontaktuj się z Lucą**👉 [LinkedIn](https://www.linkedin.com/in/lfiaschi/)🧩[ Github](https://github.com/lfiaschi) **Stefan T. Radev, PhD (Adiunkt, Twórca BayesFlow)** Stefan jest adiunktem na Rensselaer Polytechnic Institute i głównym badaczem w BayesOps. Jest twórcą BayesFlow, otwartoźródłowego frameworka do wnioskowania opartego na symulacji i pasjonuje się tłumaczeniem złożonego myślenia probabilistycznego na użyteczne narzędzia dla naukowców, programistów i każdego, kto chce podejmować lepsze decyzje na podstawie danych. **Skontaktuj się ze Stefanem** 👉 [LinkedIn](https://www.linkedin.com/in/stefan-radev-21b713187/) \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **📖 Kodeks postępowania:** Prosimy pamiętać, że uczestnicy są zobowiązani do przestrzegania [Kodeksu postępowania PyMC.](https://github.com/pymc-devs/pymc/blob/main/CODE_OF_CONDUCT.md) **Łączenie z PyMC Labs:** 🌐 Strona internetowa: [https://www.pymc-labs.com/](https://www.pymc-labs.com/) 👥 LinkedIn: [https://www.linkedin.com/company/pymc-labs/](https://www.linkedin.com/company/pymc-labs/) 🐦 Twitter: [https://twitter.com/pymc_labs](https://twitter.com/pymc_labs) 🎥 YouTube: [https://www.youtube.com/c/PyMCLabs](https://www.youtube.com/c/PyMCLabs) 🤝 Meetup: [https://www.meetup.com/pymc-labs-online-meetup/](https://www.meetup.com/pymc-labs-online-meetup/) 🎮 Discord: [https://discord.gg/MARSCNemw3](https://discord.gg/MARSCNemw3)