Currículo

Modelação Bayesiana MB

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

OA1. Characterizar os conceitos básicos da modelação Bayesiana OA2. Aplicar modelos de regressão, classificação e optimização Bayesiana no apoio à tomada de decisão OA3. Aplicar a abordagem Bayesiana na aprendizagem estatística

Programa

CP1. Teorema de Bayes e paradigma Bayesiano CP2. Modelação gráfica e hierárquica CP3. Inferência Bayesiana CP4. Optimização Bayesiana CP5. Regressão linear e classificação Bayesianas CP6. Modelos Bayesianos com factores latentes

Método de Avaliação

Os estudantes podem optar por Avaliação ao longo do semestre ou Exame Final. AVALIAÇÃO AO LONGO DO SEMESTRE: - trabalho de grupo com nota mínima de 8 valores (50%) - teste individual com nota mínima 8 valores (50%) A aprovação requer uma nota mínima de 10. EXAME: O Exame Final corresponde a um exame escrito. Os alunos devem obter uma nota mínima de 10 para passar.

Carga Horária

Bibliografia

Principal

• Reich, B. J., S. K. Ghosh (2019), Bayesian Statistical Methods, Boca Raton: Chapman and Hall/CRC McElreath, R. (2020), Statistical Rethinking: A Bayesian Course with Examples in R and Stan, CRC Press. Levy, R., Mislevy, R. J. (2016), Bayesian Psychometric Modeling, 1st Edition. Boca Raton: Chapman and Hall/CRC Kruschke, J. K. (2015), Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan. Academic Press / Elsevier.:

Secundária

• Durr, O., B. Sick (2020), Probabilistic deep Learning, Manning Publications Co. Theodoridis, S. (2020),Machine Learning: A Bayesian and Optimization Perspective, Elsevier Ltd. Martin, O., R. Kumar, J. Lao (2022), Bayesian Modeling and Computation in Python, CRC Press. Heard, N. (2021), An Introduction to Bayesian Inference, Methods and Computation, Berlin: Springer Cham. Albert, J., H. Jingchen (2020), Probability and Bayesian Modeling, Boca Raton: CRC Press/Taylor & Francis Group. Códigos R / python Slides aulas:

Disciplinas de Execução

2023/2024 - 2º Semestre

2024/2025 - 2º Semestre