خطط لتجارب مكلفة باستخدام نماذج بديلة احتمالية واستراتيجيات اكتساب.
ينتقل المسار من دوافع التحسين البايزي إلى تصميم التجارب بالنماذج البديلة وضبط الأداء آلياً. يدرس عدم اليقين واختيار دالة الاكتساب وضجيج القياس والقيود العملية، مثل كلفة التقييم ومجالات المعاملات. ويركز على المقارنة القابلة لإعادة الإنتاج مع البحث العشوائي وتوثيق ميزانية البحث.
شرح كيف يوجه نموذج بديل احتمالي وقاعدة اكتساب التقييمات المتتابعة لدالة الهدف. اختيار فضاءات بحث وبروتوكولات تحقق للمعاملات المختلطة أو المحدودة أو المشوشة أو المكلفة. مقارنة التحسين البايزي بالبحث العشوائي أو الشبكي ضمن ميزانية متساوية والإبلاغ عن عدم اليقين وقابلية إعادة الإنتاج.
يُستحسن الإلمام بالتعلم الآلي الخاضع للإشراف والمعاملات الفائقة والاحتمالات الأساسية. وتفيد قراءة الرسوم؛ لا تلزم خبرة بتنفيذ العمليات الغاوسية.
للمتعلمين ذوي الخبرة الراغبين في تعميق مهارات الذكاء الاصطناعي المتقدمة وتطبيقها
لمن يتعلمون بشكل أفضل من خلال الأمثلة والدروس الموجّهة والتطبيق العملي
للمهنيين والمبدعين والمطورين المستقلين الباحثين عن سير عمل قابل للتكرار
الدرس الأول مجاني
4 الدروس · متقدم · الدورة الكاملة.
تستخدم هذه الدورة مواد مرخّصة بموجب CC BY مع نسبتها إلى مزود المحتوى أو رافعها. لا يتاح تشغيل الدروس إلا بعد تسجيل الدخول واجتياز فحوص النشر والترخيص.