|
Vyučující
|
-
Vencálek Ondřej, doc. Mgr. Ph.D.
-
Fürst Tomáš, RNDr. Ph.D.
|
|
Obsah předmětu
|
1. Stručné shrnutí bayesovského pohledu na svět: podmíněná pravděpodobnost, věrohodnost, inference, predikce a rozhodování, Bayesova věta a její použití. 2. Monte Carlo metody, efficient MCMC, Isingovy modely 3. Variační metody v bayesovské inferenci 4. Case study: Bayesovská inference v justici a znaleckém hodnocení důkazů 5. Teorie rozhodování, posterior, cenový funkcionál 6. Gaussovské procesy a jejich aplikace 7. Probabilistic graphical models neboli bayesovské sítě 8. Kauzální inference
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Dialogická (diskuze, rozhovor, brainstorming), Demonstrace
|
|
Výstupy z učení
|
Pochopit princip bayesovské inference, predikce a rozhodování Naučit se základní metody výpočtu pomocí standardního software
porozumění principu bayesovské inference, predikce a rozhodování základní metody výpočtu pomocí standardního software
|
|
Předpoklady
|
diferenciální a integrální počet funkcí jedné proměnné lineární algebra základy procedurálního programování
|
|
Hodnoticí metody a kritéria
|
Rozhovor, Seminární práce
Zápočet: aktivní účast na cvičení, prezentace vlastního řešení problému. Zkouška: formou vědecké rozpravy.
|
|
Doporučená literatura
|
-
A. B. Downey. (2013). Think Bayes. O'Reilly.
-
A. Gelman. (2013). Bayesian data analysis, Series: Chapman & Hall/CRC Texts in Statistical Science. Chapman and Hall.
-
C. E. Rasmussen, C. Williams. (2006). Gaussian Processes for Machine Learning. MIT Press.
-
D. Barber. (2012). Bayesian Reasoning and Machine Learning. Cambridge University Press.
-
D. MacKay. (2003). Information theory, Inference, and learning algorithms. Cambridge University Press.
-
J. Kruschke. (2014). Doing Bayesian Data Analysis: A Tutorial with R. JAGS, and Stan, Academic Press.
-
Martin, Osvaldo A.; Kumar, Ravin; Lao, Junpeng. (2021). Bayesian Modeling and Computation in Python.
-
R. McElreath. (2015). Statistical Rethinking: A Bayesian Course with Examples in R and Stan. Chapman & Hall.
-
T. Hastie R. Tibshirani. (2016). The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer.
|