Inferência Bayesiana Amortizada Prática

Descrição

**🎙️ Palestrantes:🎙️ Palestrantes:** Thomas Wiecki, PhD, Luca Fiaschi, PhD e **⏰ Hora:** 15:00 UTC / 8:00 AM PT / 11:00 AM ET / 5:00 PM Berlim Métodos tradicionais de MCMC como NUTS são o padrão ouro para estimativa de parâmetros, mas encontram obstáculos ao lidar com verossimilhanças intratáveis, modelos de simulação complexos ou demandas de produção em tempo real onde a amostragem não pode levar minutos ou horas. Entre a Inferência Bayesiana Amortizada (ABI): uma mudança de paradigma onde arquiteturas de IA generativa (como Flows Normalizadores, Modelos de Difusão e Matching de Flows) são treinadas offline para aprender distribuições posteriores complexas. Uma vez treinada, a inferência se torna uma passagem rápida. Neste webinar prático, Stefan Radev (Criador do BayesFlow e Professor Assistente na RPI) se junta ao PyMC Labs para demonstrar como treinar redes neurais de inferência e integrá-las diretamente aos fluxos de trabalho do PyMC. **O que você irá aprender** * **Os Fundamentos da ABI:** Como a IA generativa transforma modelos de simulação em motores instantâneos de inferência probabilística. * Contornar Verossimilhanças Intratáveis: Como treinar Estimadores de Verossimilhança Neural no BayesFlow e conectá-los ao backend JAX do PyMC para amostragem MCMC. * **Treinar Pesado, Implantar Rápido:** Como deslocar a carga computacional offline para alcançar uma inferência bayesiana abaixo de um segundo em ambientes de produção. * **Diagnósticos & Confiança:** Como usar Calibração Baseada em Simulação (SBC) e diagnósticos de cobertura para garantir que sua rede neural não está “hallucinando” pós-erições. * **Demonstração de Código Ao Vivo:** Um passo a passo na construção, treinamento e avaliação de um modelo BayesFlow junto ao PyMC. **Quem deve participar** * Cientistas de Dados e Engenheiros de ML que desejam implantar modelos bayesianos em pipelines de produção em tempo real. * Usuários do PyMC e Stan que buscam modelar dados complexos baseados em simuladores sem funções de verossimilhança explícitas. * Pesquisadores e Analistas Quantitativos interessados em aplicações de ponta de IA Generativa para inferência baseada em modelos. 📜 **Roteiro da Palestra / Agenda:** * 5 min: Introdução ao PyMC Labs e palestrantes * 40 min: Discussão em painel * 15 min: Perguntas e Respostas \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **💼 Sobre os palestrantes:** **Dr. Thomas Wiecki** **(** Fundador do PyMC Labs) Coautor do PyMC, a plataforma líder em ciência de dados estatísticos. Para ajudar empresas a resolver alguns de seus problemas mais complicados de ciência de dados, ele reuniu uma equipe de classe mundial de modeladores bayesianos e fundou o PyMC Labs - a consultoria de IA bayesiana. Ele obteve seu PhD na Brown University estudando neurociência cognitiva. **Conecte-se com Thomas:** 👉[ Linkedin ](https://www.linkedin.com/in/twiecki/)🧩 [Github](https://github.com/twiecki) **Dr. Luca Fiaschi (Parceiro da PyMC Labs, Vertical de IA Gen)** Luca ajuda organizações a desbloquear o valor dos dados e da IA. Com mais de 15 anos de experiência, ele liderou e escalou equipes na Mistplay, HelloFresh, Alibaba e Stitch Fix, impulsionando inovações em personalização, otimização de marketing e modelagem causal. Ele possui um PhD em Ciência da Computação pela Universidade de Heidelberg. **Conecte-se com Luca**👉 [LinkedIn](https://www.linkedin.com/in/lfiaschi/)🧩[ Github](https://github.com/lfiaschi) **Stefan T. Radev, PhD (Professor Assistente, Criador do BayesFlow)** Stefan é Professor Assistente no Rensselaer Polytechnic Institute e o investigador principal na BayesOps. Ele é o criador do BayesFlow, uma estrutura de código aberto para inferência baseada em simulação, e é apaixonado por traduzir o pensamento probabilístico complexo em ferramentas utilizáveis para cientistas, desenvolvedores e qualquer pessoa que queira tomar melhores decisões com dados. **Conecte-se com Stefan** 👉 [LinkedIn](https://www.linkedin.com/in/stefan-radev-21b713187/) \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **📖 Código de Conduta:** Por favor, note que os participantes devem aderir ao [Código de Conduta do PyMC.](https://github.com/pymc-devs/pymc/blob/main/CODE_OF_CONDUCT.md) **Conectando-se com o PyMC Labs:** 🌐 Website: [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)