課程簡介

介紹

概率論、模型選擇、決策與資訊論

概率分佈

用於回歸和分類的線性模型

Neural Networks

內核方法

稀疏內核計算機

圖形模型

混合物模型和電磁鏡

近似推理

抽樣方法

連續潛在變數

順序數據

組合模型

總結和結論

最低要求

  • 對統計學的理解。
  • 熟悉多元微積分和基本線性代數。
  • 對概率有一定的經驗。

觀眾

  • 數據分析師
  • 博士生、研究人員和從業人員
  21 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客戶評論 (3)

相關課程

課程分類