Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Phân tích dữ liệu Bayesian là một phương pháp suy luận thống kê ngày càng phổ biến, dùng để xác định xác suất có điều kiện mà không phải dựa vào các hằng số cố định như mức tin cậy hay p-value. Trong khóa học này, bạn sẽ học cách phân tích dữ liệu Bayesian hoạt động ra sao, khác gì so với cách tiếp cận cổ điển, và vì sao nó là phần không thể thiếu trong bộ công cụ khoa học dữ liệu của bạn. Bạn sẽ làm quen với A/B testing, phân tích quyết định và mô hình hồi quy tuyến tính theo hướng tiếp cận Bayesian khi phân tích dữ liệu thực tế về quảng cáo, bán hàng và thuê xe đạp. Cuối cùng, bạn sẽ thực hành với thư viện PyMC3, giúp bạn thiết kế, fit và diễn giải các mô hình Bayesian dễ dàng hơn.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Cách tiếp cận Bayesian
Bắt đầu những bước đầu tiên trong thế giới Bayesian. Ở chương này, bạn sẽ được giới thiệu các khái niệm cơ bản về xác suất và phân phối thống kê, cũng như Định lý Bayes nổi tiếng, nền tảng của các phương pháp Bayesian. Cuối cùng, bạn sẽ xây dựng mô hình Bayesian đầu tiên để rút ra kết luận từ các lần tung đồng xu ngẫu nhiên.
- Bayes là ai? Bayes là gì?50 XP
- Bayesian vs. frequentist100 XP
- Phân phối xác suất100 XP
- Xác suất và Định lý Bayes50 XP
- Cùng chơi bài nào100 XP
- Bộ lọc spam kiểu Bayesian100 XP
- Xét nghiệm nói gì?50 XP
- Nếm trải Bayes50 XP
- Tung đồng xu100 XP
- Tung càng nhiều, học càng nhiều100 XP
- Ê, đồng xu này có công bằng không?100 XP
2
Ước lượng Bayesian
Đã đến lúc khám phá kỹ hơn bên trong Bayesian. Bạn sẽ học cách áp dụng Định lý Bayes vào dữ liệu hiệu quả thuốc để ước lượng các tham số của phân phối xác suất bằng kỹ thuật xấp xỉ lưới, và cập nhật các ước lượng này khi có dữ liệu mới. Tiếp theo, bạn sẽ học cách đưa kiến thức tiên nghiệm vào mô hình, rồi luyện tập kỹ năng quan trọng là báo cáo kết quả cho đối tượng không chuyên kỹ thuật.
3
Suy luận Bayesian
Vận dụng các kỹ năng phân tích dữ liệu Bayesian vừa học để giải quyết bài toán kinh doanh thực tế. Bạn sẽ làm việc với dữ liệu marketing bán hàng trực tuyến để thực hiện A/B testing, phân tích quyết định và dự báo bằng các mô hình hồi quy tuyến tính.
4
Hồi quy tuyến tính Bayesian với pyMC3
Trong chương cuối, bạn sẽ tận dụng gói PyMC3 mạnh mẽ để fit các mô hình hồi quy Bayesian một cách dễ dàng, kiểm tra tính hội tụ của mô hình, lựa chọn giữa các mô hình cạnh tranh, và tạo dự đoán cho dữ liệu mới. Kết thúc, bạn sẽ áp dụng những gì đã học để tìm mức giá bơ tối ưu trong một bài nghiên cứu tình huống phân tích dữ liệu Bayesian. Chúc bạn học tốt!
Phân tích dữ liệu Bayesian với Python
Hoàn
thành khóa học
