授课教师：210281

总学时：36

课程教材：《Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan 第二版》，电子版，作者约翰 K. 克鲁斯克

先修课程：概率论、高等数学

主要参考书目：

《统计反思：用R和Stan例解贝叶斯方法》中的第1章~第9章，作者理查德. 麦克尔里思，译者林荟，机械工业出版社

[1]. 《贝叶斯统计方法 R和BUGS软件数据分析示例（影印版）》，作者约翰 K. 克鲁斯克，机械工业出版社

课程内容简介（中文）：本课程专注于贝叶斯分析，是概率机器学习的基础内容。我们将深入探讨与机器学习紧密相关的贝叶斯分析概念，课程内容分为三大部分：贝叶斯分析的基础知识、贝叶斯推理方法、以及贝叶斯分析的应用。在基础知识部分，我们将探讨贝叶斯分析的基本原理、概率论基础，以及它与极大似然估计的不同之处。在贝叶斯推理方法部分，将介绍三种主要的贝叶斯推理技术：网格近似方法、精确数学分析方法、以及马尔科夫链蒙特卡洛方法。最后，在贝叶斯分析应用部分，我们将通过两种常见的线性模型——线性回归模型和线性分类模型——来展示贝叶斯分析的实际应用，并结合一些实际案例进行讲解。

课程内容简介（英文）：