Bu referans belirtilen kataloğu tanımlar. Güncel teklifi ve başlangıç için geçerli koşulları doğrulamak üzere kuruma başvurun.
Açıklama
Bayesçi ve Nedensel Bayes Ağları Temsil (ortak olasılık dağılımlarını çarpanlara ayırma, olasılıksal bağımsızlıktan yararlanma, d-ayrımı, I-haritası, naive Bayes); parametre öğrenme (maksimum olabilirlik tahmini, Bayesçi parametre tahmini); yapı öğrenme (kısıtlı ve skora dayalı yaklaşımlar, Bayesçi model ortalaması); eksik verilerle öğrenme (parametre ve yapı öğrenimi, gizli değişkenlerle öğrenme); nedensel Bayes ağları (müdahale, SCM'ler, çıkarım, öğrenme); Çıkarım. R veya Python kullanımı. Dersler, haftada 3 saat; laboratuvar/tutoryal, haftada 1 saat. Önkoşul(lar): STAT 3P85 veya eğitmenin izni. CO-OP DERSLERİ
Önkoşullar
- Önkoşul(lar): STAT 3P85 veya eğitmenin izni. CO-OP DERSLERİ
Şartlar ve koşullar
- Önkoşul(lar): STAT 3P85 veya eğitmenin izni. CO-OP DERSLERİ
Kaynak metin orijinal dilinde
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
Kaynaklar ve referanslar
Tarih ve kaynaklar bilgileri doğrulamanıza yardımcı olmak için saklanır. Okumayı kolaylaştırmak için çeviriler sunulmuştur; koşullar ve gereksinimler için resmi kaynak esas alınır.
Kaynak referans : https://brocku.ca/webcal/2024/undergrad/math.html