El profesor Rafael Molina Soriano, catedrático del departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada, impartirá el 14 de mayo el seminario “Modelado e inferencia bayesiana. Un poco de teoría y algunas aplicaciones interesantes desde el procesamiento de imágenes al aprendizaje automático”
Esta actividad, enmarcada en el programa de doctorado en Ingeniería y Tecnologías Industrial, Informática y Civil, se centrará en este tipo de técnicas que aunque aplicadas a procesamiento de imágenes, son suficientemente generalistas como para ser aplicadas a otros campos/ámbitos.
La actividad es de acceso libre, hasta completar aforo, y tendrá lugar en la Escuela Politécnica Superior (Campus del Vena) y también podrá seguirse online, vía Microsoft Teams, a través del enlace.
Un principio fundamental de la filosofía bayesiana es considerar todos los parámetros y variables no observables de un problema dado como cantidades estocásticas desconocidas. El objetivo de la inferencia es calcular o aproximar la distribución de todo lo desconocido dadas las observaciones. La inferencia bayesiana variacional (VB) es una familia de procedimientos deterministas de aproximación de distribución de probabilidad. Para alcanzar su objetivo, minimiza un funcional basado en la divergencia de Kullback-Leibler (KL). Es lo suficientemente amplia como para subsumir como casos especiales varios enfoques alternativos de inferencia, incluyendo el Máximo a Posteriori (MAP) y el algoritmo Esperanza-Maximización (EM).
Además, es aplicable a numerosos problemas prácticos. El objetivo de este seminario es proporcionar una visión general, y personal, de métodos de modelado e inferencia. Se divide en dos partes: la primera cubre los conceptos básicos de la inferencia bayesiana con énfasis en los métodos VB. Abarca desde modelos simples hasta su uso en aprendizaje profundo. La segunda parte está dedicada a aplicaciones: se presentan soluciones probabilísticas a problemas interesantes como deconvolución ciega y deconvolución de color, superresolución, clasificación de imágenes histológicas, aprendizaje con instancias múltiples, crowdsourcing en medicina y detección de fallos en LIGO.