課程大綱：

貝葉斯方法數(shù)據(jù)分析培訓(xùn)

貝葉斯推斷是概率編程中非常重要的一部分，

傳統(tǒng)的貝葉斯推斷涉及到復(fù)雜的數(shù)學(xué)分析，

對沒有雄厚的數(shù)學(xué)功底的同學(xué)來說，非常不友好。

1 貝葉斯推斷

2 各種真實的案例

3 先驗分布和后驗分布

4 大數(shù)定律

5 PyMC 的使用

6 數(shù)據(jù)可視化

7 馬爾科夫鏈蒙特卡洛算法

8 損失函數(shù)

1
貝葉斯理論

1.貝葉斯推斷

2.先驗概率

3.后驗概率

4.貝葉斯推斷與傳統(tǒng)統(tǒng)計的區(qū)別

5.數(shù)據(jù)可視化

2
概率分布及 PyMC 初探

1.離散型和連續(xù)型概率分布

2.Poisson分布

3.指數(shù)分布

4.用戶收發(fā)短信行為推斷實例

5.PyMC3的初步使用

1
多行為變化推斷

1.貝葉斯推斷的應(yīng)用

2.用戶行為變化實例的拓展

3.數(shù)據(jù)的可視化

3
PyMC 的拓展

1.PyMC變量

2.確定型和隨機型

3.計算機模擬數(shù)據(jù)的產(chǎn)生

4.貝葉斯推斷的算法總結(jié)

4
網(wǎng)站轉(zhuǎn)換率評估

1.貝葉斯A/B測試

2.網(wǎng)站的轉(zhuǎn)換率評估

3.數(shù)據(jù)的真實差異性比較

4.伯努利分布

5.數(shù)據(jù)的可視化

5
基于隱私算法的學(xué)生作弊分析

1.隱私算法

2.二項分布

3計算機仿真

4.PyMC的技巧

6
挑戰(zhàn)者號的事故模擬

1.正態(tài)分布

2.散點圖

3.分離圖

4.邏輯函數(shù)

5.置信區(qū)間

6.線圈缺陷預(yù)測

7
馬爾科夫鏈蒙特卡洛算法

1.貝葉斯景象圖

2.MCMC算法

3.無監(jiān)督聚類

4.收斂性的優(yōu)化

5.函數(shù)的自相關(guān)

6.PyMC畫圖工具

8
MCMC 的秘訣

1.子相關(guān)性

2.稀釋

3.MCMC的初始值的選取

4.先驗的選擇

9
大數(shù)定律

1.大數(shù)定律

2.泊松分布

3.小數(shù)據(jù)的無序性

4.Redit網(wǎng)站評論的排序

10
損失函數(shù)

1.損失函數(shù)

2.期望損失

3.展品出價競猜

4.金融股票預(yù)測

5.小化損失的求解

11
觀察暗世界大賽

1.暗物質(zhì)的觀測

2.先驗的確定

3.歐氏距離

4.數(shù)據(jù)分析

5.數(shù)據(jù)可視化

12
先驗的選取策略

1.主觀先驗和客觀先驗

2.Beta分布

3.貝葉斯多臂老虎機

4.共軛先驗

5.實驗輪盤賭法