GSU 2021 | 貝葉斯數(shù)據(jù)分析課程開講

↑↑↑點(diǎn)擊上方藍(lán)字，回復(fù)資料，10個(gè)G的驚喜

轉(zhuǎn)自：機(jī)器之心

在機(jī)器學(xué)習(xí)領(lǐng)域，貝葉斯理論的強(qiáng)大體現(xiàn)在多個(gè)方面，包括貝葉斯推斷、超參數(shù)貝葉斯、非參貝葉斯等。此前，Nature 子刊刊登了一篇關(guān)于貝葉斯統(tǒng)計(jì)與建模的綜述文章，引發(fā)廣泛關(guān)注。近期，一門適合初學(xué)者的課程——阿爾托大學(xué) 2021 年貝葉斯數(shù)據(jù)分析課程正式開課了。

• 課程主頁：https://avehtari.github.io/BDA_course_Aalto/gsu2021.html

• 課程資料：https://github.com/avehtari/BDA_course_Aalto

該課程使用的教材是由 Andrew Gelman、John Carlin、Hal Stern、David Dunson、Aki Vehtari 和 Donald Rubin 合著的《Bayesian Data Analysis，3rd ed》。課程講師也是作者之一 Aki Vehtari。

書籍電子版鏈接：https://users.aalto.fi/~ave/BDA3.pdf

預(yù)備知識(shí)

該課程重點(diǎn)強(qiáng)調(diào)貝葉斯數(shù)據(jù)分析的計(jì)算層面，以及如何使用最新的計(jì)算工具。在學(xué)習(xí)這門課程之前，學(xué)生需要掌握以下知識(shí)：

概率論的基本術(shù)語，包括：

• 概率、概率密度、概率分布；

• 求和、乘法法則、貝葉斯定理；

• 期望、均值、方差、中位數(shù)；

相關(guān)知識(shí)的英文表述，參考資料：https://ocw.mit.edu/courses/mathematics/18-05-introduction-to-probability-and-statistics-spring-2014/readings/

• 代數(shù)與微積分的部分知識(shí)；

• 基本的可視化方法（使用 R 或 Python）:

• 直方圖、密度圖、散點(diǎn)圖

該課程還給出了使用 R 或 Python 語言實(shí)現(xiàn)的 demo：https://avehtari.github.io/BDA_course_Aalto/demos.html

課程安排

本次課程于 3 月開課、5 月結(jié)束。

以下是部分課程安排：

除了課程安排，課程主頁還提供了每節(jié)課的內(nèi)容簡介：

第 5 節(jié)課程的內(nèi)容簡介。

講師介紹

本次課程的講師是《Bayesian Data Analysis，3rd ed》的作者之一 Aki Vehtari，阿爾托大學(xué)計(jì)算機(jī)科學(xué)系副教授。他的研究興趣是貝葉斯概率論和方法論、貝葉斯工作流、概率編程、推理方法（如 Laplace、EP、VB、MC）與模型診斷、模型評(píng)估與選擇、高斯過程以及層次模型。

也可以加一下老胡的微信
圍觀朋友圈~~~

推薦閱讀
（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）
我愛線代，線代使我快樂
麻省理工學(xué)院計(jì)算機(jī)課程【中文版】
【清華大學(xué)王東老師】現(xiàn)代機(jī)器學(xué)習(xí)技術(shù)導(dǎo)論.pdf
機(jī)器學(xué)習(xí)中令你事半功倍的pipeline處理機(jī)制
機(jī)器學(xué)習(xí)避坑指南：訓(xùn)練集/測試集分布一致性檢查
機(jī)器學(xué)習(xí)深度研究：特征選擇中幾個(gè)重要的統(tǒng)計(jì)學(xué)概念
老鐵，三連支持一下，好嗎？↓↓↓