该课程旨在介绍贝叶斯的深度学习方法，这是目前非常活跃的研究领域。
通过本课程，学生将熟悉贝叶斯的深度学习方法，并了解其在不确定性量化等方面的应用。
1. 理解贝叶斯方法深入学习的好处和困难。
2. 能够为贝叶斯神经网络实施多种不同的方法进行分类和回归，并理解方法之间的权衡。
3. 识别预测模型中与不确定性量化有关的关键概念。
4. 实施使用深度学习进行生成建模和无监督学习的方法。
5. 确定深度学习与概率建模之间的基本联系。
本课程涵盖贝叶斯深度学习方法的理论和应用，重点关注不确定性在深度学习模型中的作用。
1. 必须有资格选择此课程作为可选或选修课，并在计划和年度学习年度中注册该课程。
2. 对线性代数、多变量计算和概率理论有深刻的了解。
3. 至少完成过一个介绍性的机器学习课程，例如监督学习（Comp0078）或机器学习介绍（Comp0088）（或同时入学此类课程）。
如需了解有关UCL-贝叶斯深度学习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。
