本文設為共筆，歡迎大家共同維護更新。（為方便點擊網址進入主文，本文已關閉回文功能）
▌參考文章一： 如何提高完課率（共同學習的一些想法）
▌參考文章二：使用 ChatGPT 協助修改進度表格
▌課程及共學說明
Zoom meeting 連結
討論時間為星期日晚上 10 點（需登入 zoom）
參考書籍與課程
▌時程安排
| 日期 | 討論範圍 | 錄影 |
|---|---|---|
| 3月9日 | Ch1~Ch7 1-1-Basic Bayes |
YouTube |
| 3月30日 | Ch8~Ch12 1-2 Choosing Priors 1-3 PyMC and PyTensor |
[YouTube] |
| 4月13日 | Ch13~Ch14 Day1 Homework |
[YouTube] |
| 4月27日 | Ch15~Ch16 2-1 MCMC |
[YouTube] |
| 5月11日 | Ch17~Ch18 2-2 Linear Regression |
[YouTube] |
▌目錄
第一篇 機率的基本概念
Ch01 先來瞭解一下機率
Ch02 聯合機率、邊際機率、條件機率
第二篇 貝氏定理和貝氏推論
Ch03 貝氏定理
Ch04 貝氏推論
Ch05 作者問題：包含兩個假設的貝氏推論
Ch06 生日問題：包含多個假設的貝氏推論
Ch07 肖像問題：利用聯合概似性進行貝氏推論
第三篇 機率函數
Ch08 機率質量函數
Ch09 機率密度函數
第四篇 貝氏共軛 (Bayesian Conjugate)
Ch10 白宮問題：Beta－二項式共軛
Ch11 鯊魚攻擊問題：Gamma－卜瓦松共軛
Ch12 楓糖問題：常態－常態共軛
第五篇 馬可夫鏈蒙地卡羅 (MCMC)
Ch13 回顧鯊魚攻擊問題：以 Metropolis 演算法進行 MCMC 分析
Ch14 MCMC 診斷技巧
Ch15 回顧白宮問題：以 Metropolis－Hastings 演算法進行 MCMC 分析
Ch16 回顧楓糖問題：以 Gibbs 採樣進行 MCMC 分析
第六篇 貝是定理的有趣應用
Ch17 生存遊戲問題：以 MCMC 進行簡單線性迴歸
Ch18 繼續討論生存遊戲問題：介紹貝氏模型選擇
Ch19 羅雷司問題：介紹貝氏網路
Ch20 萬事樂問題：介紹決策樹
附錄
A1 Beta－二項式共軛解
A2 Gamma－卜瓦松共軛解
A3 常態－常態共軛解
A4 簡單線性迴歸的共軛解
A5 迴歸資料的標準化
▌大會報告：公開錄影
今年新募集課程，錄影皆公開上傳 YouTube，不同意者請不要參與共學，感謝配合。
祝大家學習順利大成功！