課程說明
貝葉斯網絡、因子圖、馬可夫隨機場、後驗機率最大值（MAP）與最大概然（ML）原則、消去演算法、和積演算法、可分解與非可分解模型、樞紐樹演算法、完全觀測模型、迭代比例擬合演算法、期望最大化（EM）演算法、迭代條件模式演算法。
原文參考文本
Bayesian networks, factor graphs, Markov random fields, maximum a posteriori probability (MAP) and maximum likelihood (ML) principles, elimination algorithm, sum-product algorithm, decomposable and non-decomposable models, junction tree algorithm, completely observed models, iterative proportional fitting algorithm, expectation- maximization (EM) algorithm, iterative conditional modes algorithm.
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/grad/courses/COMP/