مونت كارلو القابل للتوسع لتعلم بايزي

تهدف هذه الكتابة إلى تقديم مقدمة على مستوى الدراسات العليا لمواضيع متقدمة في خوارزميات مونت كارلو لسلاسل ماركوف (MCMC)، كما يتم تطبيقها بشكل واسع في السياق الحاسوبي البايزي. معظم، إن لم يكن كل هذه المواضيع (MCMC بتدرج عشوائي، MCMC غير القابل للعكس، MCMC في الوقت المستمر، وتقنيات جديدة لتقييم التقارب) قد ظهرت حديثًا في العقد الماضي، وقد دفعت تقدمًا كبيرًا في الجوانب العملية والنظرية في هذا المجال. التركيز خاص على الأساليب التي يمكن أن تتوسع بناءً على كمية البيانات أو أبعاد البيانات، بدافع من المجالات التطبيقية الجديدة ذات الأولوية العالية في التعلم الآلي والذكاء الاصطناعي.