Enroll Course: https://www.coursera.org/learn/mcmc
Le cours “Bayesian Inference with MCMC” proposé sur Coursera est un excellent point de départ pour quiconque s’intéresse à l’inférence bayésienne et aux méthodes de Monte Carlo par chaîne de Markov. Ce cours fait partie d’une spécialisation de trois cours et est conçu pour vous guider à travers les concepts fondamentaux de la modélisation bayésienne.
La première partie du cours aborde les concepts de base des méthodes de Monte Carlo, accompagnés d’exemples pratiques en Python. Vous apprendrez comment ces algorithmes fonctionnent de manière intuitive et pratique, ce qui est particulièrement utile si vous souhaitez faire des applications concrètes de l’inférence bayésienne.
Le syllabus est bien structuré. Dans le premier module, vous découvrirez les sujets liés à la performance des modèles. Cela est particulièrement pertinent pour ceux qui ont une formation en apprentissage automatique, car il énonce le lien entre les métriques de performance et la théorie de l’information. Ce cours va au-delà des simples métriques, en vous sensibilisant aux concepts fondamentaux qui les sous-tendent.
Le deuxième module se concentre sur les algorithmes Metropolis pour MCMC. Ce module offre une introduction douce aux méthodes MCMC, en expliquant comment les chaînes de Markov peuvent être utilisées pour échantillonner à partir de distributions. Vous apprendrez les algorithmes Metropolis et Metropolis-Hastings via des implémentations en Python, ce qui vous permettra de comprendre leurs subtilités.
Enfin, le module sur l’échantillonnage Gibbs et l’algorithme de Monte Carlo Hamiltonien vous permet d’approfondir vos connaissances. Bien que l’échantillonnage Gibbs soit expliqué en détail, l’algorithme HMC est présenté à un niveau plus élevé, ce qui est compréhensible compte tenu de sa complexité. Ce module prépare également le terrain pour le troisième cours qui mettra à profit le cadre probabiliste populaire PyMC3.
En somme, ce cours est idéal pour les étudiants et les professionnels qui souhaitent développer leurs compétences en modélisation statistique. Je recommande vivement de s’inscrire à ce cours, surtout si vous êtes déjà familier avec Python et Jupyter notebooks !
Pour plus d’informations, vous pouvez visiter le site du cours et accéder aux notebooks nécessaires
[Site du cours](https://sjster.github.io/introduction_to_computational_statistics/docs/Production/BayesianInference.html)
[Instructions de téléchargement](https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html)
Enroll Course: https://www.coursera.org/learn/mcmc