贝叶斯统计 | Bayesian Statistics

Bayesian Statistics

贝叶斯定理、贝叶斯网络、贝叶斯抽样方法、贝叶斯推断、机器学习等等。

你将会学到的

  • 贝叶斯定理
  • 条件与绝对独立性
  • 贝叶斯网络与d分离
  • 枚举与消除
  • 抽样方法(拒绝抽样、吉布斯抽样、Metropolis Hastings)
  • 贝叶斯推断
  • 连续贝叶斯统计
  • 贝叶斯统计与机器学习

要求

  • 高中水平数学 / 理想情况下是大学一年级数学或统计课程
  • 对概率有基本背景

说明

贝叶斯统计是一个迷人的领域,如今已成为数据科学和机器学习中许多统计应用的核心。在这门课程中,我们将涵盖贝叶斯统计的主要概念,包括贝叶斯定理、贝叶斯网络、用于这些网络推断的枚举和消除、吉布斯抽样和Metropolis-Hastings算法等抽样方法,贝叶斯推断以及与机器学习的关系。

本课程围绕示例和练习设计,提供了大量机会来培养直觉并应用您掌握的知识。许多示例来自科学、商业或工程领域的实际应用,或者取自数据科学工作面试中的问题。

虽然这不是一门编程课程,但我已包含了多个与贝叶斯统计相关的编程资源参考。本课程专门为没有多年正式数学教育经验的学生设计。唯一的先修要求是高中水平的数学知识,最好是大学一年级的数学课程,并对概率有基本的理解。

此课程面向哪些人:

  • 对于对贝叶斯统计感兴趣的科学、商业和工程领域的大学生,他们希望在大学课程或工作面试中学习贝叶斯统计。
  • 对这些领域的从业者感兴趣的学习贝叶斯统计的核心概念,以将其应用于实际问题。
声明:本站所有资源、素材等全部来源于互联网,赞助VIP仅用于对IT资源服务器带宽等费用支出做支持,从本站下载资源,说明你已同意本条款。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
TheItzy » 贝叶斯统计 | Bayesian Statistics