მონათესავე თემები
კურსში შედის
- 17 სთ 49 წთ ვიდეო
- 29 გაკვეთილი
- დონე: საშუალო
- ენა: English
- გახსოვს სად გაჩერდი
- სრულიად უფასო, ბარათის გარეშე
გაკვეთილები
3 ნაწილი · 29 გაკვეთილი · 17 სთ 49 წთ სულ
გაკვეთილები 1 დან 10 მდე10 გაკვეთილი · 6 სთ 29 წთ
- BDA course 1.1 Introduction to uncertainty and modelling18 წთ
- BDA course 1.2 Introduction to the course contents9 წთ
- BDA 2019 Lecture 2.1 Bayesian inference, observation model, likelihood, posterior, and binomial37 წთ
- BDA 2019 Lecture 2.2 priors and prior information, and one parameter normal model44 წთ
- BDA course 2 extra: likelihood, normalization, density, model M14 წთ
- BDA 2019 Lecture 3 on multiparameter models. joint, marginal and conditional distribution, normal1 სთ 26 წთ
- BDA 2019 Lecture 4.1 numerical issues, Monte Carlo, how many simulation draws are needed, ...50 წთ
- BDA 2019 Lecture 4.2 direct simulation, curse of dimensionality, rejection and importance sampling43 წთ
- BDA 2019 Lecture 5.1 Markov chain Monte Carlo, Gibbs sampling, and Metropolis algorithm51 წთ
- BDA 2019 Lecture 5.2 warm up, convergence diagnostics, R-hat, and effective sample size38 წთ
გაკვეთილები 11 დან 20 მდე10 გაკვეთილი · 6 სთ 36 წთ
- BDA 2019 Lecture 6.1 HMC, NUTS, dynamic HMC, and HMC specific convergence diagnostics50 წთ
- BDA 2019 Lecture 6.2 probabilistic programming and Stan46 წთ
- Stan and probabilistic programming introduction39 წთ
- BDA 2019 Lecture 7.1 hierarchical models44 წთ
- BDA 2019 Lecture 7.2 exchangeability16 წთ
- BDA 2019 Lecture 8.1 model checking47 წთ
- BDA 2019 Lecture 8.2 cross-validation part 146 წთ
- BDA 2019 Lecture 9.1 PSIS-LOO and K-fold cross-validation51 წთ
- BDA 2019 Lecture 9.2 model comparison and selection30 წთ
- BDA 2019 Lecture 9.3 extra lecture on projection predictive variable selection26 წთ
გაკვეთილები 21 დან 29 მდე9 გაკვეთილი · 4 სთ 45 წთ
- BDA 2019 Lecture 10.1 Decision analysis51 წთ
- BDA 2019 Lecture 11.1 Normal approximation, Laplace approximation.44 წთ
- BDA 2019 Lecture 11.2 Large sample theory and counter examples43 წთ
- BDA 2019 Lecture 12.1 Frequency evaluation, hypothesis testing, and variable selection55 წთ
- BDA 2019 Lecture 12.2 Summary of modeling data collection, linear models, Lasso, and Gaussian proces48 წთ
- BDA course 2.1 Observation model, likelihood, posterior, and binomial model15 წთ
- BDA course 2.2 Predictive distribution and benefit of integration8 წთ
- BDA course 2.3 Priors and prior information20 წთ
Private videoეს ვიდეო ავტორმა წაშალა ან დახურა.
რა გჭირდება
- საბაზისო ცოდნა დაგეხმარება, კურსი შუა საფეხურიდან აგრძელებს.
აღწერა
Bayesian Data Analysis course videos https://avehtari.github.io/BDA_course_Aalto/
ვისთვის არის ეს კურსი
- ვინც მონაცემები და AI საფუძვლებს იცნობს და გაღრმავება უნდა.
ეს ორი პუნქტი ჩვენი დასკვნაა კურსის დონიდან, აღწერა კი ავტორისაა.