Ước lượng tham số Bayes và MCMC dành cho kỹ sư

Trong kỹ thuật và khoa học vật lý, việc khớp các mô hình toán học với dữ liệu thực tế đòi hỏi nhiều hơn việc chỉ tìm một đường khớp tốt nhất đơn lẻ. Để đưa ra các dự đoán đáng tin cậy, bạn cần hiểu rõ độ bất định đằng sau các tham số của mình. Khóa học hoàn toàn bằng văn bản này hướng dẫn bạn từ các khái niệm cơ bản về xác suất đến việc thực hiện ước lượng tham số Bayes mạnh mẽ bằng các thuật toán Markov Chain Monte Carlo (MCMC), cho phép bạn chuyển đổi từ các ước lượng điểm đơn giản sang các phân phối xác suất đầy đủ. Những gì bạn sẽ học: - Hiểu các nguyên tắc cốt lõi của thống kê Bayes, phân phối tiên nghiệm và hàm hợp lý. - Thực hiện thuật toán Metropolis-Hastings từ đầu để lấy mẫu không gian xác suất phức tạp. - Phân tích các tiêu chuẩn chẩn đoán hội tụ của MCMC, bao gồm tự tương quan và các chỉ số hiện đại như R-hat. - Áp dụng các kỹ thuật ước lượng tham số vào các mô hình khoa học vật lý và kỹ thuật. - Dự đoán hành vi của hệ thống với các khoảng định lượng độ bất định thay vì các dự báo một điểm đơn lẻ. - Cấu trúc mã số học của bạn bằng cách sử dụng các thực tiễn lập trình tốt nhất hiện đại để tính toán khoa học sạch sẽ, có thể tái tạo. Khóa học này bắt đầu với các thuật ngữ quan trọng, các khái niệm xác suất cơ bản và các định nghĩa nền tảng trước khi hướng dẫn bạn qua thiết kế thuật toán MCMC, các kiểm tra chẩn đoán và các kịch bản ứng dụng thực tế. Khóa học được thiết kế dành cho các kỹ sư, nhà khoa học và nhà phân tích dữ liệu đang tìm kiếm một phần giới thiệu vững chắc, ưu tiên mã nguồn về ước lượng Bayes mà không cần bằng cấp nâng cao về thống kê. Bắt đầu đọc ngay hôm nay để làm chủ các nguyên tắc cơ bản của ước lượng tham số Bayes.