Optimisation et simulation : Inférence bayésienne

Dans cours

Aliqua est eu amet anim ad sit. Aute proident ad fugiat in fugiat dolor occaecat aliquip. Ullamco enim quis deserunt ipsum ad. Ullamco eu in aliqua ipsum exercitation nisi enim voluptate esse quis magna aute. Reprehenderit eiusmod consectetur velit dolore eiusmod non ipsum nisi quis duis non anim esse id. Nulla fugiat eu nostrud duis ea consequat reprehenderit id consequat enim aliquip ullamco cillum.

Description

Cette séance de cours couvre l'application des méthodes Markov Chain Monte Carlo, y compris Metropolis-Hastings et Gibbs, dans l'optimisation et la simulation. Il explore le problème du knapsack, l'inférence bayésienne et la prédiction à l'aide d'approches bayésiennes et fréquentistes. L'instructeur discute des défis de tirer parti des distributions complexes et du rôle critique de la simulation dans l'inférence bayésienne.

Connectez-vous pour regarder la vidéo

Enseignant

amet ea incididunt amet

Qui Lorem commodo deserunt labore qui laborum quis duis. Elit sint exercitation esse pariatur tempor tempor aliqua velit cillum proident. Ullamco pariatur et occaecat elit labore pariatur laboris fugiat cupidatat consequat. Ad magna sit exercitation laborum minim et. Commodo aliqua sunt cupidatat aliquip aliqua. Cupidatat ex qui minim ut laboris.

Connectez-vous pour voir cette section

Source officielle

https://mediaspace.epfl.ch/media/0_iqb30sh0

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (33)