Referencias Bibliográficas: [Ross, 2014,Devore, 2016]
Temas
- Actualización bayesiana con priors discretos/continuos
- Estimación Máxima a Posteriori (MAP)
- Intervalos creíbles bayesianos
- Priors conjugados
- Aplicaciones en clasificadores Naive Bayes y ML
Aprendizaje esperado (Learning Outcomes)
- Diferenciar entre enfoque frecuentista y bayesiano. [Familiarizarse]
- Realizar actualización bayesiana de creencias. [Usar]
- Implementar estimación MAP en problemas de machine learning. [Evaluar]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM
