贝叶斯数据分析2021课程开课了,同名书籍作者主讲

23天前 67 阅读 ID:308
机器之心
机器之心

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。

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:

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。

免责声明:作者保留权利,不代表本站立场。如想了解更多和作者有关的信息可以查看页面右侧作者信息卡片。
反馈
to-top--btn