貝氏資料分析 | 貝 氏 資料分析
課程中也將教授學生如何使用程式語言R與JAGS實作貝氏統計分析。
這些基礎概念和應用程式練習將幫助學生提昇應用技能，能夠在短時間內進階到國際水準。
授課 ...Skiptocontent跨國數位互動課程(E計畫)貝氏資料分析楊立行心理系2020/09/14～2021/01/31課程結束跨國分享在facebook分享在skype分享在twitter分享在pinterest分享在email申請修課｜Apply進入課程｜Enter開課教師｜Instructor楊立行副教授政大心理系副教授專長領域：數學心理學、認知心理學李玉麟教授美國康乃爾大學醫學院教授專長領域：貝氏統計、心理計量學課程介紹｜Content貝氏統計不論在學術研究或實務應用上都獲得相當大的成功。
除了國際期刊推荐以貝氏統計取代傳統統計，科技公司例如Google,臉書,和微軟也應用貝氏統計來分析消費者行為。
因此，培養學生認識乃至於精熟貝氏統計方法是件刻不容緩的事。
本課程的設計包括，貝氏統計方法的基礎概念、機率分配、貝氏推論、貝氏模擬、貝氏潛在類別分析、貝氏階層線性模型、貝氏項目反應理論、以及狄利克雷歷程混合模型。
課程中也將教授學生如何使用程式語言R與JAGS實作貝氏統計分析。
這些基礎概念和應用程式練習將幫助學生提昇應用技能，能夠在短時間內進階到國際水準。
授課教師包括心理系楊立行老師以及美國康乃爾大學醫學院李玉麟教授，更可以提升修課同學與國際接軌的機會。
課程目標｜Goal俾使同學能了解貝氏統計方法的基本概念，以及實際完成一個應用貝氏統計方法的專案。
此外，由於採用線上平台等數位工具輔助教學，修課同學也能與授課教師於線上討論，增加同學們的國際交流。
本課程也鼓勵本地學生能藉此機會與李教授合作研究。
課程進度｜ScheduleWeek1:IntroductionWeek2:RbasicsandBayes’TheoremWeek3:MoonfestivalWeek4:MarkovChainMonteCarlomethodWeek5:Parameterestimation–BinominaldistributionWeek6:Parameterestimation–normaldistributionWeek7:Parameterestimation–tdistributionandcorrelationWeek8:RegressionandANOVAinBayesianstyleWeek9:MidtermexaminationWeek10:CognitivemodelinginBayesianstyle上課形式｜Activities講堂與視訊授課並行【修課人數】校內學員：20人網路學員：10人共25人評分標準｜Grading學期成績的評量方式為作業佔70%、專題報告佔30%。
每週課程結束後都有作業，作業內容主要與該週的課程進度一致。
作業的評分標準以內容正確性、報告撰寫完整性為主。
作業須於下週上課時間前完成上傳繳交，遲交以零分計。
每位同學於學期末須繳交一篇專題研究，同學們需自行擬定主題，蒐集資料並應用本學期所學習之貝氏統計技巧完成資料分析。
專題的評分標準則包括內容重要性、運算難度、分析報告完整性以及對未來研究的啟發性為主。
作業與專題的程式碼一律需以R語言撰寫完成。
先備知識｜Prerequisites統計學、機率參考書目｜ReadingsKruschke,J.K.(2014).DoingBayesianDataAnalysis(SecondEdition)ATutorialwithR,JAGS,andStan.Lee,M.D.,&Wagenmakers,E.-J.(2014).BayesianCognitiveModeling:APracticalCourse.CambridgeUniversityPress,UK.本頁面瀏覽人次：39111選單｜Menu聯絡我們｜關於我們分享在facebook分享在skype分享在twitter分享在pinterest分享在email●本網站總瀏覽數：231115●本頁面瀏覽人次：39111相關單位人工智慧與數位教育中心教學發展中心高教深耕辦公室國立政治大學選單人工智慧與數位教育中心教學發展中心高教深耕辦公室國立政治大學相關資源地方創生平台政治大學磨課師課程選單地方創生平台政治大學磨課師課程本網站內容僅供學術使用，嚴禁任何商業行為。
Copyrig
這些基礎概念和應用程式練習將幫助學生提昇應用技能，能夠在短時間內進階到國際水準。
授課 ...Skiptocontent跨國數位互動課程(E計畫)貝氏資料分析楊立行心理系2020/09/14～2021/01/31課程結束跨國分享在facebook分享在skype分享在twitter分享在pinterest分享在email申請修課｜Apply進入課程｜Enter開課教師｜Instructor楊立行副教授政大心理系副教授專長領域：數學心理學、認知心理學李玉麟教授美國康乃爾大學醫學院教授專長領域：貝氏統計、心理計量學課程介紹｜Content貝氏統計不論在學術研究或實務應用上都獲得相當大的成功。
除了國際期刊推荐以貝氏統計取代傳統統計，科技公司例如Google,臉書,和微軟也應用貝氏統計來分析消費者行為。
因此，培養學生認識乃至於精熟貝氏統計方法是件刻不容緩的事。
本課程的設計包括，貝氏統計方法的基礎概念、機率分配、貝氏推論、貝氏模擬、貝氏潛在類別分析、貝氏階層線性模型、貝氏項目反應理論、以及狄利克雷歷程混合模型。
課程中也將教授學生如何使用程式語言R與JAGS實作貝氏統計分析。
這些基礎概念和應用程式練習將幫助學生提昇應用技能，能夠在短時間內進階到國際水準。
授課教師包括心理系楊立行老師以及美國康乃爾大學醫學院李玉麟教授，更可以提升修課同學與國際接軌的機會。
課程目標｜Goal俾使同學能了解貝氏統計方法的基本概念，以及實際完成一個應用貝氏統計方法的專案。
此外，由於採用線上平台等數位工具輔助教學，修課同學也能與授課教師於線上討論，增加同學們的國際交流。
本課程也鼓勵本地學生能藉此機會與李教授合作研究。
課程進度｜ScheduleWeek1:IntroductionWeek2:RbasicsandBayes’TheoremWeek3:MoonfestivalWeek4:MarkovChainMonteCarlomethodWeek5:Parameterestimation–BinominaldistributionWeek6:Parameterestimation–normaldistributionWeek7:Parameterestimation–tdistributionandcorrelationWeek8:RegressionandANOVAinBayesianstyleWeek9:MidtermexaminationWeek10:CognitivemodelinginBayesianstyle上課形式｜Activities講堂與視訊授課並行【修課人數】校內學員：20人網路學員：10人共25人評分標準｜Grading學期成績的評量方式為作業佔70%、專題報告佔30%。
每週課程結束後都有作業，作業內容主要與該週的課程進度一致。
作業的評分標準以內容正確性、報告撰寫完整性為主。
作業須於下週上課時間前完成上傳繳交，遲交以零分計。
每位同學於學期末須繳交一篇專題研究，同學們需自行擬定主題，蒐集資料並應用本學期所學習之貝氏統計技巧完成資料分析。
專題的評分標準則包括內容重要性、運算難度、分析報告完整性以及對未來研究的啟發性為主。
作業與專題的程式碼一律需以R語言撰寫完成。
先備知識｜Prerequisites統計學、機率參考書目｜ReadingsKruschke,J.K.(2014).DoingBayesianDataAnalysis(SecondEdition)ATutorialwithR,JAGS,andStan.Lee,M.D.,&Wagenmakers,E.-J.(2014).BayesianCognitiveModeling:APracticalCourse.CambridgeUniversityPress,UK.本頁面瀏覽人次：39111選單｜Menu聯絡我們｜關於我們分享在facebook分享在skype分享在twitter分享在pinterest分享在email●本網站總瀏覽數：231115●本頁面瀏覽人次：39111相關單位人工智慧與數位教育中心教學發展中心高教深耕辦公室國立政治大學選單人工智慧與數位教育中心教學發展中心高教深耕辦公室國立政治大學相關資源地方創生平台政治大學磨課師課程選單地方創生平台政治大學磨課師課程本網站內容僅供學術使用，嚴禁任何商業行為。
Copyrig