Progrès récents dans l'apprentissage structurel des modèles graphiques

Cette séance de cours de l'instructeur couvre les progrès récents de l'apprentissage structurel pour les modèles graphiques probabilistes, en mettant l'accent sur des sujets tels que les modèles graphiques gaussiens, les modèles graphiques mixtes pour diverses données, le quilting graphique pour les données non simultanées et les modèles graphiques extrêmes pour les données avec événements extrêmes. La séance de cours traite également de la génomique intégrative, de la connectivité fonctionnelle dans les activités neuronales et de l'application de modèles graphiques dans divers domaines comme la sécurité nationale, les soins de santé et les finances. L'instructeur souligne l'importance du seuil et des variables latentes dans l'estimation des graphiques et souligne l'importance des modèles graphiques probabilistes dans l'étude des relations dans des ensembles de données complexes.