After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
贝叶斯数据分析是一种日益流行的统计推断方法，可在不依赖置信水平或 p 值等固定常数的情况下，确定条件概率。在本课程中，您将学习贝叶斯数据分析的基本原理、它与经典方法的差异，以及为何它是您数据科学工具箱中不可或缺的一部分。课程将带您基于真实的广告、销售和自行车租赁数据，使用贝叶斯方法完成 A/B 测试、决策分析和线性回归建模。最后，您将上手使用 PyMC3 库，更轻松地设计、拟合并解释贝叶斯模型。
先修要求
课程大纲
课程大纲
1
贝叶斯之道
迈出走进贝叶斯世界的第一步。本章将介绍概率与统计分布的基本概念，以及著名的贝叶斯定理——贝叶斯方法的基石。最后，您将构建第一个贝叶斯模型，从随机抛硬币实验中得出结论。
2
贝叶斯估计
现在来看看贝叶斯方法的内部机制。您将学习如何将贝叶斯定理应用于药物有效性数据，使用网格近似技术估计概率分布的参数，并在有新数据时更新这些估计。接着，您将学习如何将先验知识纳入模型，最后练习一项重要技能：向非技术受众汇报结果。
3
贝叶斯推断
把新学到的贝叶斯数据分析技能用于解决真实的商业问题。您将使用在线销售营销数据，开展 A/B 测试、决策分析，并使用线性回归模型进行预测。
4
使用 PyMC3 的贝叶斯线性回归
在最后一章，您将使用功能强大的 PyMC3 包，轻松拟合贝叶斯回归模型，对模型收敛性进行合理性检查，在竞争模型间进行选择，并为新数据生成预测。最后，您将把所学应用于一个贝叶斯数据分析案例研究，寻找牛油果的最优定价。祝您学习顺利！
Python 中的贝叶斯数据分析
课程完成
