この参照は示されたカタログの記述です。最新の提供状況や入学条件については機関に確認してください。
説明
ベイジアンおよび因果ベイジアンネットワーク 表現（同時確率分布の因子分解、確率的独立性の利用、d-分離、I-マップ、ナイーブベイズ）；パラメータ学習（最尤推定、ベイズ的パラメータ推定）；構造学習（制約ベースおよびスコアベースのアプローチ、ベイズモデル平均化）；不完全データでの学習（パラメータ・構造学習、隠れ変数を伴う学習）；因果ベイジアンネットワーク（介入、SCM、推論、学習）；推論。RまたはPythonの使用。講義、週3時間；実習/チュートリアル、週1時間。前提科目：STAT 3P85または講師の許可。CO-OP科目
前提条件
- 前提科目：STAT 3P85または講師の許可。CO-OP科目
条件および詳細
- 前提科目：STAT 3P85または講師の許可。CO-OP科目
原語による参照テキスト
Bayesian and causal Bayesian Networks Representation (factorizing joint probabilistic distributions, exploiting probabilistic independence, d- separation, I-map, naive Bayes); parameter learning (maximum likelihood estimation, Bayesian parameter estimation); structure learning (constrained and score-based approaches, Bayesian model averaging); learning with incomplete data (parameter and structure learning, learning with hidden variables); causal Bayesian networks (intervention, SCMs, inference, learning); Inference. Use of R or Python. Lectures, 3 hours per week; lab/tutorial, 1 hour per week Prerequisite(s): STAT 3P85 or the permission of the instructor CO-OP COURSES
- Prerequisite(s): STAT 3P85 or the permission of the instructor CO-OP COURSES
出典と参照
日付と出典は、情報を確認する際の参考のために保持されています。翻訳は読みやすくするための提案であり、条件や要件については公式の出典が基準となります。
出典の参照 : https://brocku.ca/webcal/2024/undergrad/math.html