Struttura del corso

Introduzione

Teoria della probabilità, selezione dei modelli, teoria delle decisioni e dell'informazione

Distribuzioni di probabilità

Modelli lineari per la regressione e la classificazione

Neural Networks

Metodi del kernel

Macchine a kernel sparso

Modelli grafici

Modelli di miscela e EM

Inferenza approssimativa

Metodi di campionamento

Variabili latenti continue

Dati sequenziali

Combinazione di modelli

Riassunto e conclusione

Requisiti

  • Comprensione della statistica.
  • Familiarità con il calcolo multivariato e l'algebra lineare di base.
  • Un po' di esperienza con le probabilità.

Pubblico

  • Analisti di dati
  • Dottorandi, ricercatori e professionisti
  21 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (3)

Corsi relativi

Categorie relative