ข้อมูลอ้างอิงนี้อธิบายสารบบที่ระบุ โปรดติดต่อสถาบันเพื่อยืนยันข้อเสนอปัจจุบันและเงื่อนไขที่ใช้กับปีที่คุณจะเข้าเรียน
คำอธิบาย
Bayesian and causal Bayesian Networks การแทนความสัมพันธ์ (การแยกตัวประกอบของการแจกแจงร่วมเชิงความน่าจะเป็น, การใช้ความเป็นอิสระเชิงความน่าจะเป็น, d-separation, I-map, naive Bayes); การเรียนรู้พารามิเตอร์ (การประมาณด้วยความเป็นไปได้สูงสุด, การประมาณพารามิเตอร์แบบเบย์เชียน); การเรียนรู้โครงสร้าง (แนวทางแบบมีข้อจำกัดและแบบใช้คะแนน, การเฉลี่ยแบบจำลองเชิงเบย์); การเรียนรู้กับข้อมูลไม่สมบูรณ์ (การเรียนรู้พารามิเตอร์และโครงสร้าง, การเรียนรู้กับตัวแปรซ่อนเร้น); เครือข่ายเบย์เชียนเชิงสาเหตุ (การแทรกแซง, SCMs, การอนุมาน, การเรียนรู้); การอนุมาน การใช้ R หรือ Python บรรยาย 3 ชั่วโมงต่อสัปดาห์; ปฏิบัติการ/ติว 1 ชั่วโมงต่อสัปดาห์ วิชาก่อนหน้า: STAT 3P85 หรือได้รับอนุญาตจากผู้สอน CO-OP COURSES
รายวิชาก่อนหน้า
- วิชาก่อนหน้า: STAT 3P85 หรือได้รับอนุญาตจากผู้สอน CO-OP COURSES
เงื่อนไขและข้อกำหนด
- วิชาก่อนหน้า: STAT 3P85 หรือได้รับอนุญาตจากผู้สอน CO-OP COURSES
ข้อความอ้างอิงในภาษาต้นฉบับ
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
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://brocku.ca/webcal/2024/undergrad/math.html