آموزش روش‌ها و کاربردهای پیشرفته بیزی - آخرین آپدیت

دانلود Advanced Bayesian Methods and Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، تکنیک‌های پیشرفته استنباط بیزی و کاربردهای عملی آن‌ها در علم داده را بیاموزید. این دوره شما را با متدهای پیشرو، از جمله استنباط متغیر (Variational Inference)، نظریه تصمیم‌گیری بیزی و رویکردهای غیرپارامتریک آشنا می‌کند. شما یاد خواهید گرفت که عدم قطعیت در پیش‌بینی‌ها را کمی‌سازی کنید، با استفاده از توابع زیان تصمیمات اصولی بگیرید و مدل‌های منعطفی پیاده‌سازی کنید که پیچیدگی خود را با داده‌ها تطبیق می‌دهند. از طریق پروژه‌های عملی با استفاده از PyMC3 و بررسی مطالعات موردی واقعی، تخصص لازم برای گردش کار کامل بیزی (از تعریف مدل تا اعتبارسنجی) را کسب خواهید کرد. این دوره بر جایگزین‌های مقیاس‌پذیر برای MCMC، به‌ویژه استنباط متغیر برای مجموعه‌داده‌های بزرگ تأکید دارد و موضوعات پیشرفته‌ای مانند فرآیندهای دیریکله و رگرسیون فرآیند گاوسی را پوشش می‌دهد. آنچه این دوره را منحصر‌به‌فرد می‌کند، تمرکز آن بر پیاده‌سازی عملی و تصمیم‌گیری در شرایط عدم قطعیت است. شما مهارت‌هایی در برنامه‌نویسی احتمالی، ارزیابی مدل و به‌کارگیری روش‌های بیزی در حوزه‌های مختلف به دست خواهید آورد. با تکمیل این دوره، قادر خواهید بود مسائل پیچیده داده‌ها را با متدهای آماری دقیق حل کرده و عدم قطعیت را به‌طور مؤثر در محیط‌های حرفه‌ای گزارش کنید.

سرفصل ها و درس ها

استنباط پیشرفته بیزی Advanced Bayesian Inference

  • استنباط پیشرفته بیزی و تصمیم‌گیری Advanced Bayesian Inference and Decision Making

  • چرا به استنباط متغیر نیاز داریم؟ Why do we need Variational Inference?

  • هسته اصلی استنباط متغیر Core of Variational Inference

  • تقریب میدان میانگین Mean-Field Approximation

  • مقایسه VI در مقابل MCMC VI - vs - MCMC

نظریه تصمیم‌گیری و پیش‌بینی بیزی Bayesian Decision Theory & Prediction

  • نظریه تصمیم‌گیری بیزی Bayesian Decision Theory

  • نقش تابع زیان The role of loss function

  • توابع زیان چند هدفه Multi-objective loss functions

  • ارتباط با یادگیری ماشین Connection with Machine Learning

روش‌های غیرپارامتریک بیزی Bayesian Non-Parametric Methods

  • مدل‌های غیرپارامتریک و انعطاف‌پذیری Non-parametric models & flexibility

  • رگرسیون فرآیند گاوسی Gaussian Process Regression

  • خوشه‌بندی فرآیند دیریکله Dirichlet Process Clustering

  • ملاحظات عملی و سبک‌سنگین کردن‌ها Practical considerations & tradeoffs

برنامه‌نویسی احتمالی و گردش کار بیزی Probabilistic Programming and Bayesian Workflow

  • جمع‌بندی تحلیل کاربردی داده‌های بیزی Applied Bayesian Data Analysis Wrap-up

  • برنامه‌نویسی احتمالی Probabilistic programming

  • گردش کار بیزی Bayesian Workflow

  • مثال جامع: سوگیری سکه End-to-End example: Coin Bias

  • مزایا، معایب و کاربردهای دنیای واقعی Pros, Cons and Real-World Applications

روش‌های بیزی در تحلیل‌های ورزشی و پزشکی Bayesian Methods in Sports Analytics and Medicine

  • ارزیابی تیم از طریق رگرسیون بیزی Team evaluation through Bayesian regression

  • پیشرفت بیماری دیابت Diabetes progression

جمع‌بندی دوره Course Wrap-Up

  • مرور: تفکر بیزی Review: Bayesian Thinking

  • مرور: استنباط بیزی Review: Bayesian Inference

  • مرور: مدل‌های سلسله‌مراتبی بیزی Review: Bayesian Hierarchical Models

  • مرور: تصمیم‌گیری بیزی Review: Bayesian Decision Making

نمایش نظرات

آموزش روش‌ها و کاربردهای پیشرفته بیزی
جزییات دوره
22h 12m
24
(آخرین آپدیت)
32
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده