这是介绍贝叶斯统计基础的两门课程中的第二门。它以贝叶斯统计课程为基础：该课程通过使用简单的共轭模型介绍了贝叶斯方法。现实世界的数据往往需要更复杂的模型才能得出现实的结论。本课程旨在使用更通用的模型和拟合模型的计算技术来扩展我们的 "贝叶斯工具箱"。特别是，我们将介绍马尔科夫链蒙特卡罗（MCMC）方法，该方法允许从没有分析解的后验分布中采样。我们将使用开源、免费提供的软件 R（假定有一些经验，例如完成了前面的 R 课程）和 JAGS（无需经验）。我们将学习如何构建、拟合、评估和比较贝叶斯统计模型，以回答涉及连续、二元和计数数据的科学问题。本课程将授课视频、计算机演示、阅读、练习和讨论板结合起来，以创造一种积极的学习体验。讲座提供了一些基本的数学发展、统计建模过程的解释以及统计学家常用的一些基本建模技术。计算机演示提供了具体、实用的演练。学完本课程后，您将可以使用多种贝叶斯分析工具，并可根据您的数据进行定制。
贝叶斯统计：技术与模型
您将学到什么
高效、有效地交流数据分析结果。
利用统计建模结果得出科学结论。
扩展基本统计模型，使用分层模型对相关观察结果进行解释。
您将获得的技能
您将学习的工具
要了解的详细信息
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 贝叶斯统计 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(86个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
83.03%
- 4 stars
12.92%
- 3 stars
2.02%
- 2 stars
1.01%
- 1 star
1.01%
显示 3/495 个
AT
已于 May 1, 2018审阅
Outstanding, Excellent, Must do for statistician. I'm from Civil Engg Background easily capable to learn the course
CW
已于 Nov 1, 2020审阅
I really enjoy taking this course. I have taken Bayesian course before so this is more like a systematic review for me and I still learned a lot!
ML
已于 Nov 30, 2024审阅
Very good instructor, knowledgeable and thorough, touching the right level of details with big picture in mind, and providing practical guide for hands-on Bayesian data analysis.
从 数据科学 浏览更多内容
University of California, Santa Cruz
University of California, Santa Cruz
University of California, Santa Cruz
University of California, Santa Cruz
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。