コース概要

導入

確率理論、モデル選択、意思決定、情報理論

確率分布

回帰と分類のための線形モデル

Neural Networks

カーネルメソッド

スパースカーネルマシン

グラフィカルモデル

混合モデルとEM

おおよその推論

サンプリング方法

連続潜在変数

シーケンシャルデータ

モデルの結合

要約と結論

要求

  • 統計学を理解していること
  • 多変量微積分および基本的な線形代数に精通していること
  • 確率に関する何らかの経験

観客

  • データアナリスト
  • 博士課程の学生、研究者、実務家。
  21 時間

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.

Price per participant

お客様の声 (3)

関連コース

関連カテゴリー