CURSO:METODOS BAYESIANOS AVANZADOS TRADUCCION:ADVANCED BAYESIAN METHODS SIGLA:EPG4011 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA, LABORATORIO CALIFICACION:ESTANDAR DISCIPLINA:ESTADISTICA PALABRAS CLAVE:INTELIGENCIA,ARTIFICIAL,CIENCIA DE DATOS,APRENDIZAJE,SUPERVISADO Y NO SUPERVISADO I.DESCRIPCIÓN DEL CURSO En este curso los estudiantes analizaran modelos Bayesianos complejos, incluyendo modelos jerarquicos parametricos y no parametricos. Con este objeto, se presentaran las principales propiedades de los modelos y las tecnicas eficientes para la exploracion numerica de la distribucion a posteriori. II.RESULTADOS DE APRENDIZAJE 1.Aplicar modelos Bayesianos jerarquicos con errores normales. 2.Aplicar modelos Bayesianos jerarquicos con errores no Gaussianos. 3.Aplicar modelos Bayesianos no-parametricos. III.CONTENIDOS 1.Modelos jerarquicos Gaussianos. 2.Modelos jerarquicos no Gaussianos. 3.Modelos Bayesianon noparametricos. IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Talleres practicos de laboratorio. V.ESTRATEGIAS EVALUATIVAS -Controles: 30% -Actividades practicas en laboratorio: 30% -Proyecto: 40% VI.BIBLIOGRAFIA Minima Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin (2013), Bayesian Data Analysis, third edition. London: CRC Press. Complementaria Muller, P., Quintana, F., Jara, A., Hanson, T. 2015. Bayesian Nonparametric Data Analysis. Springer Series in Statistics, Springer. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE MATEMATICAS / ENERO 2020