Cargando Eventos

« Todos los Eventos

Curso Métodos Bayesianos

24 de marzo de 2023 @ 08:00 - 19 de mayo de 2023 @ 17:00

Cartel del Curso Métodos Bayesianos

Fecha de inicio: 24 de marzo de 2023
Fecha de fin: 19 de mayo de 2023
Viernes: 10:30-12:00
Lugar: ICMAT (Aula Naranja) y Online
Curso gratuito

Los métodos bayesianos (en Estadística, Machine Learning y Ciencia de Datos) permiten una modelización más adecuada de la incertidumbre, la incorporación de información a priori y una integración coherente en la toma de decisiones y constituyen una tendencia fundamental en la IA (y, en general, en el tratamiento de la incertidumbre en las Ciencias y las Humanidades).

Por esta razón, y con el objetivo de hacer de la IA un elemento transversal en la investigación del CSIC, desde la Conexión AIHUB contribuimos a la realización de este curso de Ciencia de Datos Bayesiana (Bayesian Data Science) que tiene como objetivos:

  • Proporcionar una comprensión global de los métodos bayesianos en la ciencia de datos, sus fortalezas y debilidades.
  • Presentar el uso de los métodos bayesianos en dominios de aplicación concretos como son el descubrimiento de fármacos, la seguridad, y la ciberseguridad, entre otros.
  • Introducir el uso de las técnicas con ayuda de R y Stan.

En este curso partiremos desde los conceptos más básicos hasta los más avanzados, y conoceremos los principales modelos y métodos que forman parte de este enfoque, así como su aplicación práctica.

El curso, de un marcado componente teórico-práctico, se impartirá tanto de manera online como presencial cada viernes desde el 24 de marzo hasta el 19 de mayo.

Si estás interesado en participar, puedes pre-registrarte enviando un correo a Marta Sanz marta.sanz@icmat.es antes del 30 de enero.

Docentes

  • David Arroyo (ITEFI), investigador científico
  • Nuria Campillo (CIB, ICMAT), investigador científico
  • Jesús Cerquides (IIIA), investigador científico
  • Juan Poyatos (CNB, ICMAT) investigador científico
  • David Rios Insua (ICMAT) profesor de investigación
  • Juan Antonio Rodríguez (IIIA) profesor de investigación
  • Roi Naveiro (CUNEF, ICMAT) assistant professor
  • Simón Rodríguez (ICMAT) postdoc
  • Cesar Guevara (ICMAT) postdoc

Los postgrados Chema Camacho (ICMAT, UAM), Kristina Kit (ICMAT, UC3M) y Pablo Varas (ICMAT) ayudarán en los laboratorios. El proyecto está gestionado por Marta Sanz (project manager, ICMAT)

Estructura

  • 5 min Q&A (respuestas a preguntas del Fórum del Curso)
  • 45 min Teoría
  • 15 min Ejemplos
  • 15 min Laboratorio
  • 5 min preguntas finales o propuestas de investigación

Contenido

  1. Introducción 1. Inferencia para proporciones y medias
  2. Introducción 2. Modelos de regresión lineal y logística.
  3. Introducción 3. Modelos dinámicos lineales y recapitulación.
  4. Métodos computacionales: Métodos normales asintóticos.
  5. Métodos computacionales: Montecarlo, Montecarlo basado en cadenas de Markov, Gibbs.
  6. Métodos computacionales: Metropolis-Hastings y Montecarlo hamiltoniano.
  7. Métodos computacionales: MCMC de gradiente estocástico y variantes.
  8. Métodos variacionales.
  9. Análisis de decisiones bayesiano
  10. Recapitulación

Detalles

Comienza:
24 de marzo de 2023 @ 08:00
Finaliza:
19 de mayo de 2023 @ 17:00

Organizadores

Conexión AIHUB
ICMAT

Local

Instituto de Ciencias Matemáticas ICMAT
Campus Cantoblanco UAM, C/ Nicolás Cabrera, 13-15
Madrid, Madrid 28049 España
+ Google Map
Teléfono:
912999700
Ver la web Local

Utilizamos cookies en este sitio para mejorar su experiencia de usuario. Más información. ACEPTAR

Aviso de cookies