Imprimir

Programa

CURSO:MÉTODOS BAYESIANOS AVANZADOS
TRADUCCIÓN:ADVANCED BAYESIAN METHODS
SIGLA:EPG4011
CRÉDITOS:05 
MÓDULOS:02	
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA, LABORATORIO
CALIFICACIÓN:ESTÁNDAR
DISCIPLINA:ESTADÍSTICA
PALABRAS CLAVE:INTELIGENCIA,ARTIFICIAL,CIENCIA DE DATOS,APRENDIZAJE,SUPERVISADO Y NO SUPERVISADO


I.DESCRIPCIÓN DEL CURSO 

En este curso los estudiantes analizarán modelos Bayesianos complejos, incluyendo modelos jerárquicos paramétricos y no paramétricos. Con este objeto, se presentarán las principales propiedades de los modelos y las técnicas eficientes para la exploración numérica de la distribución a posteriori.


II.RESULTADOS DE APRENDIZAJE 

1.Aplicar modelos Bayesianos jerárquicos con errores normales.

2.Aplicar modelos Bayesianos jerárquicos con errores no Gaussianos.

3.Aplicar modelos Bayesianos no-paramétricos.


III.CONTENIDOS

1.Modelos jerárquicos Gaussianos.

2.Modelos jerárquicos no Gaussianos.

3.Modelos Bayesianon noparamétricos.


IV.ESTRATEGIAS METODOLÓGICAS

-Clases expositivas.

-Talleres prácticos de laboratorio.


V.ESTRATEGIAS EVALUATIVAS

-Controles: 30%

-Actividades prácticas en laboratorio: 30%

-Proyecto: 40%


VI.BIBLIOGRAFÍA

Mínima

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

Müller, P., Quintana, F., Jara, A., Hanson, T. 2015. Bayesian Nonparametric Data Analysis. Springer Series in Statistics, Springer.


PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
FACULTAD DE MATEMÁTICAS / ENERO 2020