이 참고자료는 표시된 카탈로그를 설명합니다. 최신 제공 및 적용 조건은 입학 전에 기관에 확인하세요.
설명
베이즈 및 인과 베이즈 네트워크 표현(결합 확률 분포의 인수분해, 확률적 독립성 활용, d-분리, I-맵, 나이브 베이즈); 파라미터 학습(최대 우도 추정, 베이즈 파라미터 추정); 구조 학습(제약 기반 및 점수 기반 접근법, 베이즈 모델 평균화); 불완전 데이터로 학습(파라미터 및 구조 학습, 숨은 변수로 학습); 인과 베이즈 네트워크(개입, SCMs, 추론, 학습); 추론. R 또는 Python 사용. 강의 주당 3시간; 실습/튜토리얼 주당 1시간. 선수과목: STAT 3P85 또는 강사의 허가. CO-OP 과정
선수 과목
- 선수과목: STAT 3P85 또는 강사의 허가. CO-OP 과정
조건 및 세부사항
- 선수과목: STAT 3P85 또는 강사의 허가. CO-OP 과정
원문 참조 텍스트
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
출처 및 참고문헌
날짜와 출처는 정보를 확인하는 데 도움이 되도록 보관됩니다. 번역은 읽기 편의를 위해 제공되며 조건과 요건은 공식 출처가 기준입니다.
출처 참조 : https://brocku.ca/webcal/2024/undergrad/math.html