Métodos Bayesianos en Inteligencia Artificial

Sesión 1 (2 horas) – Introducción

• Introducción
• Conceptos básicos: creencia, probabilidad, exchangeability
• Modelos de un parámetro: beta-binomial, normal-normal, poisson-gamma
• Práctica

Sesión 2 (2 horas) – Inferencia basada en simulación

• Aproximación Monte Carlo
• Métodos MCMC
• Gibbs Sampling
• Metropolis-Hastings
• Montecarlo Hamiltoniano
• Práctica

Sesión 3 (2 horas) – Inferencia basada en optimización

• Intro a inferencia variacional
• Práctica

Sesión 4 (2 horas) – Aplicaciones en IA

• BART
• GPs
• Retos de investigación