AI Research: Bayesian ML, Causal ML, RL, Graph ML

O kursu

Kurs upoznaje sa četiri istraživačka pravca koji se aktivno razvijaju u savremenom AI: Bayesian ML, Causal ML, Reinforcement Learning i Graph ML. Svaki pravac se sagledava sa stanovišta teorijskih osnova, aktuelnih otvorenih pitanja i veze sa realnim zadacima. Kurs predstavlja osnovu za izbor teme master disertacije.

Šta ćete naučiti

✓Izvoditi ELBO i implementirati varijacioni autoenkoder (VAE) za zadatak generisanja

✓Graditi kauzalni graf i primenjivati do-calculus za procenu intervencionih efekata

✓Trenirati RL agenta metodom PPO na kontrolnom zadatku i analizirati konvergenciju

✓Implementirati GNN sa message passing-om i procenjivati njenu izražajnu moć

Ključne teme

•Bayesian ML: varijacioni zaključak (VI), MCMC, duboki bajesovski modeli (BNN, VAE)

•Causal ML: grafovi uzročnosti (DAG), do-calculus, counterfactual reasoning

•Causal inference iz observacionih podataka: propensity score, instrumental variables

•Reinforcement Learning: MDP, policy gradient (REINFORCE, PPO), Q-learning (DQN)

•RL u LLM-ovima: RLHF, GRPO, reward hacking

•Graph Neural Networks: GCN, GAT, message passing, expressive power (WL test)

•Geometrijsko duboko učenje: invarijantnost i ekvivarijantnost

•Veze između pravaca: Bayesian RL, causal representation learning

Opis je automatski generisan i predavač ga još nije proverio — ovo je nacrt za diskusiju.

O kursu

Šta ćete naučiti

Ključne teme

Povratne informacije