在机器学习领域，贝叶斯理论的强大体现在多个方面，包括贝叶斯推断、超参数贝叶斯、非参贝叶斯等。此前，Nature 子刊刊登了一篇关于贝叶斯统计与建模的综述文章，引发广泛关注。近期，一门适合初学者的课程——阿尔托大学 2021 年贝叶斯数据分析课程正式开课了。
该课程使用的教材是由 Andrew Gelman、John Carlin、Hal Stern、David Dunson、Aki Vehtari 和 Donald Rubin 合著的《Bayesian Data Analysis，3rd ed》。课程讲师也是作者之一 Aki Vehtari。
书籍电子版链接：https://users.aalto.fi/~ave/BDA3.pdf该课程重点强调贝叶斯数据分析的计算层面，以及如何使用最新的计算工具。在学习这门课程之前，学生需要掌握以下知识：概率、概率密度、概率分布；
求和、乘法法则、贝叶斯定理；
期望、均值、方差、中位数；
相关知识的英文表述，参考资料：https://ocw.mit.edu/courses/mathematics/18-05-introduction-to-probability-and-statistics-spring-2014/readings/代数与微积分的部分知识；
基本的可视化方法（使用 R 或 Python）:
直方图、密度图、散点图
该课程还给出了使用 R 或 Python 语言实现的 demo：https://avehtari.github.io/BDA_course_Aalto/demos.html
本次课程的讲师是《Bayesian Data Analysis，3rd ed》的作者之一 Aki Vehtari，阿尔托大学计算机科学系副教授。他的研究兴趣是贝叶斯概率论和方法论、贝叶斯工作流、概率编程、推理方法（如 Laplace、EP、VB、MC）与模型诊断、模型评估与选择、高斯过程以及层次模型。往期精彩：
【原创首发】机器学习公式推导与代码实现30讲.pdf
【原创首发】深度学习语义分割理论与实战指南.pdf
谈中小企业算法岗面试
算法工程师研发技能表
真正想做算法的，不要害怕内卷
算法工程师的日常，一定不能脱离产业实践
技术学习不能眼高手低
技术人要学会自我营销
做人不能过拟合
点个在看
