课程大纲

介绍

概率论、模型选择、决策与信息论

概率分布

用于回归和分类的线性模型

Neural Networks

内核方法

稀疏内核计算机

图形模型

混合物模型和电磁镜

近似推理

抽样方法

连续潜在变量

顺序数据

组合模型

总结和结论

要求

  • 对统计学的理解。
  • 熟悉多元微积分和基本线性代数。
  • 对概率有一定的经验。

观众

  • 数据分析师
  • 博士生、研究人员和从业人员
  21 小时

人数



每位参与者的报价

客户评论 (2)

相关课程

课程分类