Einstieg in die Probabilistische Programmierung
Die letzten Jahre hat Probabilistisches Programmieren Fahrt aufgenommen. Es wird mehr geforscht, publiziert, konferiert, entwickelt und auch angewendet.
Der Einstieg ist durch die Integration in Mainstream-Sprachen wie Haskell, Scala und Python einfach geworden.
Probabilistische Programme sind lernfähige Simulationen
Kurz vorgestellt - alte Bekannte als Probabilistische Programme:
- Naive Bayes
- Markov-Kette
- Bayes-Netze
- Gauß-Prozesse
Basics:
- Eigenbau einer diskreten Wahrscheinlichkeitsmonade (Scala)
- die Sampling-Variante von Rainier (Scala))
- Olegs Freie Wahrscheinlichkeitsmonade (Haskell))
Kurze Vorstellung der Algorithmen:
- MCMC
- Variational Bayesian Methods
- Deep Probabilistic Programming: kann Tensorflow Probability wirklich mehr?
Erfahrungsbericht - Probabilistische Logik für Fahrzeugkonfiguration:
- Principle of Explosion: “ex falso quodlibet”
- Markov-Logic mit Figaro (Scala)
This session is held on in Tutorials #1