2021贝叶斯数据分析-原作者开课啦!
在机器学习领域,贝叶斯理论的强大体现在多个方面,包括贝叶斯推断、超参数贝叶斯、非参贝叶斯等。此前,Nature 子刊刊登了一篇关于贝叶斯统计与建模的综述文章,引发广泛关注。近期,一门适合初学者的课程——阿尔托大学 2021 年贝叶斯数据分析课程正式开课了。
课程主页:https://avehtari.github.io/BDA_course_Aalto/gsu2021.html
课程资料:https://github.com/avehtari/BDA_course_Aalto
该课程使用的教材是由 Andrew Gelman、John Carlin、Hal Stern、David Dunson、Aki Vehtari 和 Donald Rubin 合著的《Bayesian Data Analysis,3rd ed》。课程讲师也是作者之一 Aki Vehtari。
书籍电子版链接:https://users.aalto.fi/~ave/BDA3.pdf
预备知识
该课程重点强调贝叶斯数据分析的计算层面,以及如何使用最新的计算工具。在学习这门课程之前,学生需要掌握以下知识:
概率论的基本术语,包括:
概率、概率密度、概率分布;
求和、乘法法则、贝叶斯定理;
期望、均值、方差、中位数;
相关知识的英文表述,参考资料:https://ocw.mit.edu/courses/mathematics/18-05-introduction-to-probability-and-statistics-spring-2014/readings/
代数与微积分的部分知识;
基本的可视化方法(使用 R 或 Python):
直方图、密度图、散点图
该课程还给出了使用 R 或 Python 语言实现的 demo:https://avehtari.github.io/BDA_course_Aalto/demos.html
课程安排
本次课程于 3 月开课、5 月结束。
以下是部分课程安排:
除了课程安排,课程主页还提供了每节课的内容简介:
第 5 节课程的内容简介。
讲师介绍
本次课程的讲师是《Bayesian Data Analysis,3rd ed》的作者之一 Aki Vehtari,阿尔托大学计算机科学系副教授。他的研究兴趣是贝叶斯概率论和方法论、贝叶斯工作流、概率编程、推理方法(如 Laplace、EP、VB、MC)与模型诊断、模型评估与选择、高斯过程以及层次模型。
欢迎添加群助手微信,邀请您加入大佬云集-深度学习技术交流群!
???? 长按识别添加,邀请您进群!
2021贝叶斯数据分析-原作者开课啦!相关推荐
- 贝叶斯数据分析_科研进阶项目 | 剑桥大学 | 心理学、社会学、生物医学:统计数据分析(6.13开课)...
项目价格:¥33800 课题名称 = 心理学.社会学.生物医学:统计数据分析 = 项目背景 在海量信息的时代,数据来势汹汹,势不可挡.如何透过纷繁复杂的数据,找到合理归类和事件本质,从而为 ...
- 贝叶斯数据分析_周末说说数据分析(2)
这是一份关于<深入浅出数据分析>的读书笔记.比较枯燥,不过我尽量说得简单,感兴趣就看看. 上个周我们聊到了这本书讲到的一到三章,第一章呢是讲数据分析的一些理念,聊到数据分析开始前要了解数据 ...
- 贝叶斯数据分析_Python数据分析 · 朴素贝叶斯详解
文章来源:公众号-俊红的数据分析之路 一.统计知识 01|随机事件: 1.概念 随机事件是在随机试验中,可能出现也可能不出现,而在大量重复试验中具有某种规律性的事件叫做随机事件(简称事件).随机事件通 ...
- 送书 | 深入浅出,一起学习贝叶斯!
参与方式:如果你对哪本书感兴趣,可在评论区分享你的贝叶斯学习经验或者遇到的问题,根据留言质量,营长将从中选出三名同学送出图书. 中奖者随机生成,关键看你的留言价值是否能给其他同学一些借鉴,也便于营长将 ...
- 手把手 | Python代码和贝叶斯理论告诉你,谁是最好的棒球选手
除了文中所附的代码块,你也可以在文末找到整个程序在Jupyter Notebook上的链接. 在数据科学或统计学领域的众多话题当中,我觉得既有趣但又难理解的一个就是贝叶斯分析.在一个课程中,我有机会学 ...
- 贝叶斯神书《统计反思》推出第二版,视频课程同步上线,作者亲自在线答疑...
行早 发自 凹非寺 量子位 | 公众号 QbitAI 同学们来看新教材啦~ 这本被网友称为"体验最好"的贝叶斯数据分析的教科书<统计反思>刚刚推出了第二版: 要知道,这 ...
- 异步赠书1月书讯:Python/深度学习/贝叶斯/OpenStack/DevOps/Docker
Ladys and乡亲们! 异步图书君祝大家元旦快乐! 忙着写2017年总结的真爱粉儿们 2018年,你定了哪些新计划? 留言说给大家听听? 异步图书君送出好书一本! 2018年异步图书君有一个超逼格 ...
- R语言实战应用精讲50篇(二十三)-贝叶斯理论重要概念: 可信度Credibility, 模型Models, 和参数Parameters
本章的目标是介绍贝叶斯数据分析的概念框架.贝叶斯数据分析有两个基本思想: 第一个想法是贝叶斯推理是在可能性之间重新分配可信度. 第二个基本思想是,我们分配可信度的可能性是有意义的数学模型中的参数值. ...
- 如何用python进行建模_用 Python 进行贝叶斯模型建模(1)
本系列: 第1节:估计模型参数 在这一节,我们将讨论贝叶斯方法是如何思考数据的,我们怎样通过 MCMC 技术估计模型参数. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 ...
最新文章
- 入门NLP最优解:从项目实践轻松入手!
- linux strcpy 用法,由Linux中管道的buffer,浅谈C语言中char类型字符串拷贝使用strcpy()和=赋值符号的区别...
- Windows 8 系统安装教程
- android数据存放map_ES6 的新鲜玩意儿——集合set、map、WeekSet、WeekMap
- 【计算机网络】TCP IP通信处理过程
- node.js 获取异步方法里面数据 的方式
- PHP的SESSION使用,文件上传下载等
- 手把手教你封装一个ant design的审核框组件
- 前端学习(2968):实现路由跳转的两种方式
- silverlight安装后仍提示未安装_CAD提示“许可管理器不起作用或未正确安装”?来,我来教你方法...
- Linux启动tomcat带控制台
- Db4o for .NET 使用心得(1、2):Trace db4o;慎用struct
- troublemaker中文谐音_troublemaker歌词, trouble maker 音译中文歌词
- node - 收藏集 - 掘金
- Win2003可用序列号(标准版与企业版)
- Vue框架学习笔记一
- MySQL窗口函数——分组排序函数:number_rank(),rank(),dense_rank()
- 一直都以为阿里的程序员待遇是最好的,结果真正的土豪竟然是……
- mac 树莓派_您真的可以用45树莓派替换台式PC或Mac吗
- Excel计算将时间字符串转换为时间格式 年-月-日 时:分:秒 且计算时间差得到 时分秒 格式