UCL- Comp0080 图形模型课程介绍了概率建模的基本原理，涵盖了广泛的理论格局，并旨在涵盖核心教科书的前12章中的大部分内容。该课程的重点是离散变量的概率建模。
该课程旨在使学生能够构建概率模型，学习参数并执行推理。这构成了更广泛的科学中许多模型的基础，学生应该能够为各种相关领域的应用开发新颖的模型。
成功完成此课程后，学生将能够：
1. 理解贝叶斯推理的基本原理。
2. 使用贝叶斯网络构建概率模型。
3. 理解定向和无向图形模型的基本概念。
4. 在单独连接的图中进行推断。
5. 应用隐藏的马尔可夫模型进行推理。
6. 理解接线树算法的原理。
7. 在不确定性下做出决策，并了解马尔可夫决策过程。
8. 学习如何通过缺少数据进行学习。
9. 使用采样的近似推断方法进行模型推理。
该课程涵盖以下主题：
贝叶斯推理
贝叶斯网络
定向和无向图形模型
单独连接的图中的推断
隐藏的马尔可夫模型
接线树算法
在不确定性下做出决策
马尔可夫决策过程
通过缺少数据学习
使用采样的近似推断
为了有资格选择此课程作为可选或选修课，学生必须满足以下条件：
1. 在计划和年度学习年份中注册该模块。
2. 具备对线性代数、多元微积分以及数学概率有一定的了解和能力。
3. 熟悉编写高级语言以完成课程评估，强烈建议学生熟练掌握Python编程（提供Matlab和Julia中的部分工具）。
如需了解有关UCL-图形模型课程辅导以及其他英国课程辅导的详细信息，请随时咨询DR.D留学生辅导机构。
