此參考說明所註明的目錄。請向該機構確認當前課程供給與適用於你入學的條件。
課程說明
貝葉斯與因果貝葉斯網絡 表示法（因子化聯合機率分配、利用機率獨立性、d-分離、I-圖、樸素貝葉斯）；參數學習（最大概似估計、貝葉斯參數估計）；結構學習（受限與基於分數的方法、貝葉斯模型平均）；不完全資料之學習（參數與結構學習、含隱藏變數之學習）；因果貝葉斯網絡（介入、結構因果模型 SCM、推論、學習）；推論。使用 R 或 Python。每週講授 3 小時；實驗/輔導 1 小時。先修：STAT 3P85 或授課教師許可。CO-OP 課程
先修條件
- 先修：STAT 3P85 或授課教師許可。CO-OP 課程
條件與方式
- 先修：STAT 3P85 或授課教師許可。CO-OP 課程
原文參考文本
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
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://brocku.ca/webcal/2024/undergrad/math.html