الاستدلال البايزي التقريبي - (غلاف فني)

ملخص الكتاب تكتسب الأساليب البايزية شعبية هائلة في مجال الاستدلال الإحصائي، كما بدأت تزداد رواجاً أيضاً في معالجة مشكلات تعلم الآلة والذكاء الاصطناعي. وغالباً ما يتم تنفيذ المقدرات البايزية باستخدام طرق Monte Carlo، مثل خوارزمية Metropolis-Hastings الخاصة بـ Gibbs sampler. تهدف هذه الخوارزميات إلى الوصول إلى التوزيع البعدي الدقيق، ومع ذلك، فإن العديد من النماذج الحديثة في الإحصاء معقدة للغاية بحيث يصعب استخدام مثل هذه المنهجيات معها. أما في مجال تعلم الآلة، فإن حجم البيانات المستخدمة في التطبيقات العملية يجعل طرق Monte Carlo بطيئة جداً لدرجة تمنع الاستفادة منها. من ناحية أخرى، غالباً ما لا تتطلب هذه التطبيقات معرفة دقيقة بالتوزيع اللاحق. وقد دفع هذا إلى تطوير جيل جديد من الخوارزميات التي تتميز بالسرعة الكافية للتعامل مع مجموعات البيانات الضخمة، ولكنها غالباً ما تستهدف تقريباً للتوزيع اللاحق. يجمع هذا الكتاب 18 ورقة بحثية كتبها متخصصون في الاستدلال البايزي التقريبي، ويقدم نظرة عامة على التطورات الحديثة في هذه الخوارزميات. ويشمل ذلك الأساليب القائمة على التحسين (مثل التقريبات التباينية) والأساليب القائمة على المحاكاة (مثل خوارزميات ABC أو Monte Carlo). يغطي هذا الكتاب الجوانب النظرية للاستدلال البايزي التقريبي، وبالتحديد حدود PAC-Bayes وتحليل الندم. كما يستعرض تطبيقاته في المشكلات الحسابية المعقدة في مجالات الفيزياء الفلكية، والتمويل، وتحليل البيانات الطبية، ورؤية الحاسوب.