آموزش مقدمه‌ای بر آمار بیزی برای علوم داده - آخرین آپدیت

دانلود Introduction to Bayesian Statistics for Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به معرفی مبانی نظری، فلسفی و ریاضی استنباط آماری بیزی می‌پردازد. دانشجویان می‌آموزند که چگونه این دانش بنیادی را در حل مسائل واقعی علوم داده به کار بگیرند. موضوعات مورد بحث شامل کاربرد و تفسیر تئوری احتمالات در استنباط بیزی، قضیه بیز برای پارامترهای آماری، توزیع‌های پیشین (Prior) مزدوج، نامناسب و عینی، کاربردهای استنباط بیزی در علوم داده و پیامدهای اخلاقی آمار بیزی است. این دوره می‌تواند به عنوان بخشی از مدرک کارشناسی ارشد علوم داده (MS-DS) دانشگاه کلرادو بولدر (CU Boulder) که در پلتفرم کورسرا ارائه می‌شود، گذرانده شود. این رشته یک مدرک بین‌رشته‌ای است که اساتید دپارتمان‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایر بخش‌های دانشگاه بولدر را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون نیاز به فرآیند درخواست پیچیده، این دوره برای افرادی با پیش‌زمینه‌های متنوع تحصیلی در مقطع کارشناسی یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. برای کسب اطلاعات بیشتر درباره برنامه MS-DS به نشانی https://www.coursera.org/degrees/master-of-science-data-science-boulder مراجعه کنید.

سرفصل ها و درس ها

مبانی فلسفی آمار بیزی Philosophical Underpinnings of Bayesian Statistics

  • معرفی دوره Course Introduction

  • قوانین توقف: بخش اول Stopping Rules: Part 1

  • قوانین توقف: بخش دوم Stopping Rules: Part 2

  • مقایسه آمار بیزی با آمار فراوانی‌گرا: بخش اول Comparing Bayesian Statistics to Frequentist Statistics: Part 1

  • مقایسه آمار بیزی با آمار فراوانی‌گرا: بخش دوم Comparing Bayesian Statistics to Frequentist Statistics: Part 2

  • استخراج توزیع پسین Derivation of Posterior Distribution

  • توزیع‌های پیشین Prior Distributions

  • قوانین توقف: بخش سوم Stopping Rules: Part 3

مقدمه‌ای بر استنباط و پیش‌بینی بیزی Introduction to Bayesian Inference and Prediction

  • مقایسه استنباط بیزی با حداکثر احتمال: بخش اول Comparing Bayesian Inference to Maximum Likelihood: Part 1

  • مقایسه استنباط بیزی با حداکثر احتمال: بخش دوم Comparing Bayesian Inference to Maximum Likelihood: Part 2

  • خلاصه‌سازی توزیع پسین Summarizing the Posterior Distribution

  • جایگاه پیش‌بینی پسین Situating the Posterior Predictive

  • استخراج توزیع پیش‌بین پسین Deriving the Posterior Predictive Distribution

  • شبیه‌سازی توزیع پیش‌بین پسین Simulating the Posterior Predictive Distribution

مقدمه‌ای بر خانواده‌های مزدوج Introduction to Conjugate Families

  • خانواده مزدوج بتا-دوجمله‌ای The Beta-Binomial Conjugate Family

  • توزیع‌های پسین به عنوان میانگین وزنی Posterior Distributions as a Weighted Average

  • خانواده مزدوج نرمال-نرمال Normal-Normal Conjugate Family

  • مثال خانواده مزدوج بتا-دوجمله‌ای در زبان R Beta-binomial Conjugate Family Example in R

  • توزیع گامای معکوس: پیشینی برای تخمین واریانس The Inverse Gamma Distribution: A Prior for Estimating Variance

  • خانواده مزدوج گامای معکوس-نرمال: یافتن پسین برای واریانس The Inverse Gamma Normal Conjugate Family: Finding the Posterior for the Variance

  • مثال خانواده مزدوج گامای معکوس-نرمال در زبان R The Inverse Gamma Normal Conjugate Family Example in R

پیشین‌های نامناسب و عینی Improper and Objective Priors

  • مقدمه‌ای بر پیشین‌های نامناسب Introduction to Improper Priors

  • مثال پیشین نامناسب در زبان R Example of Improper Prior in R

  • ضرورت پیشین عینی Motivating the Objective Prior

  • پیشین جفریز Jeffreys' Prior

  • اثبات: پیشین جفریز نسبت به تغییر پارامتر ناوردا است Proof: Jeffreys' Prior is Invariant to Reparameterization

  • مثال استخراج پیشین جفریز Example of Deriving Jeffreys' Prior

  • مثال پیشین جفریز در زبان R Example of Jeffreys' Prior in R

استنباط چند پارامتری Multiparameter Inference

  • استنباط چند پارامتری: پارامترهای مزاحم Multiparameter Inference: Nuisance Parameters

  • استنباط چند پارامتری: مثال نظری با پیشین‌های نامناسب Multiparameter Inference: Theoretical Example with Improper Priors

  • توزیع‌های خی مربع معکوس و خی مربع معکوس مقیاس شده Inverse and Scaled Inverse Chi Squared Distributions

  • تخمین میانگین و واریانس داده‌های با توزیع نرمال Estimating the Mean and Variance of Normally Distributed Data

  • تخمین میانگین و واریانس داده‌های نرمال با پیشین‌های غیراطلاعی در R Estimating the Mean and Variance of Normally Distributed Data with Uninformative Priors in R

  • تخمین میانگین و واریانس داده‌های نرمال با پیشین‌های کلی در R Estimating the Mean and Variance of Normally Distributed Data with General Priors in R

  • استنباط چند پارامتری: رگرسیون خطی بیزی Multiparameter Inference: Bayesian Linear Regression

  • مقایسه پارامترهای رگرسیون خطی بیزی با تخمین‌گر کمترین مربعات فراوانی‌گرا Comparison of Bayesian Linear Regression Parameters to Frequentist Least Squares Estimator

  • رگرسیون خطی بیزی در زبان R Bayesian Linear Regression in R

نمایش نظرات

آموزش مقدمه‌ای بر آمار بیزی برای علوم داده
جزییات دوره
37h 29m
37
(آخرین آپدیت)
648
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar