📊贝叶斯学习入门

• 1 引言：课程目标与内容介绍

  AI贝叶斯学习

• 2 引言：贝叶斯学习的背景

  AI贝叶斯学习

• 3 统计推断的基本概念

  AI贝叶斯学习

• 4 贝叶斯定理基础之贝叶斯定理的推导

  AI贝叶斯学习

• 5 贝叶斯定理基础之先验分布与后验分布

  AI贝叶斯学习

• 6 贝叶斯定理基础之更新规则与例子

  AI贝叶斯学习

• 7 最大后验估计 (MAP)

  AI贝叶斯学习

• 8 贝叶斯估计与频率估计的比较

  AI贝叶斯学习

• 9 贝叶斯学习与统计推断教程：参数的选择与评估

  AI贝叶斯学习

• 10 贝叶斯学习与统计推断：模型复杂度的选择

  AI贝叶斯学习

• 11 贝叶斯因子与模型比较

  AI贝叶斯学习

• 12 贝叶斯学习与统计推断：模型选择之过拟合与正则化

  AI贝叶斯学习

• 13 贝叶斯回归之线性回归模型

  AI贝叶斯学习

• 14 贝叶斯回归之先验选择与后验分析

  AI贝叶斯学习

• 15 贝叶斯回归之预测与不确定性量化

  AI贝叶斯学习

• 16 贝叶斯分类的基本理论

  AI贝叶斯学习

• 17 贝叶斯分类之朴素贝叶斯分类器

  AI贝叶斯学习

• 18 贝叶斯分类之模型评估与改进

  AI贝叶斯学习

• 19 贝叶斯学习与统计推断教程：马尔可夫链蒙特卡洛方法之MCMC方法的基础

  AI贝叶斯学习

• 20 Gibbs采样：贝叶斯学习与统计推断

  AI贝叶斯学习

• 21 Metropolis-Hastings算法

  AI贝叶斯学习

• 22 贝叶斯学习在实际中的应用

  AI贝叶斯学习

• 23 应用案例之案例研究：医学诊断

  AI贝叶斯学习

• 24 贝叶斯学习与统计推断教程：应用案例之案例研究 - 市场分析

  AI贝叶斯学习