บทสรุป

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

Michal Oleszak

Machine Learning Engineer

สิ่งที่ได้เรียนรู้

บทที่ 1: แนวทาง Bayesian

  • Bayesian vs. frequentist
  • ทฤษฎีความน่าจะเป็นและการแจกแจง
  • การอัปเดตความเชื่อด้วยข้อมูลใหม่

 

บทที่ 3: Bayesian Inference

  • A/B testing
  • การวิเคราะห์เพื่อตัดสินใจ
  • การพยากรณ์และการถดถอย

 

บทที่ 2: Bayesian Estimation

  • Grid approximation
  • การแจกแจงก่อนหน้า (Prior distributions)
  • การรายงานผลลัพธ์แบบ Bayesian

บทที่ 4: Bayesian Linear Regression

  • Markov Chain Monte Carlo (MCMC)
  • การสร้างและตีความโมเดลด้วย pymc3
  • การวิเคราะห์ข้อมูลแบบ Bayesian: กรณีศึกษา
การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

เรียนรู้เพิ่มเติมเกี่ยวกับ Bayes

  • Hierarchical models:

$y = \beta_0 + \beta_1x_1 + \beta_2x_2$

$\beta_2 = \beta_{20} + \beta_{21}x_3$

  • การถดถอยแบบอื่น (logistic, Poisson, ...)

  • Bayesian machine learning

 

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

ขอแสดงความยินดีและขอให้โชคดี!

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

Preparing Video For Download...