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。
课程主页：https://avehtari.github.io/BDA_course_Aalto/gsu2021.html
课程资料：https://github.com/avehtari/BDA_course_Aalto
该课程运用的教材是由 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
预备学问
该课程重点强调贝叶斯数据分析的计算层面，以及如何运用最新的计算工具。在学习这门课程之前，学生需要掌握以下学问：
几率论的基本术语，包括：
几率、几率密度、几率分布；
求和、乘法法则、贝叶斯定理；
期望、均值、方差、中位数；
相关学问的英文表述，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学问；
基本的可视化方法（运用 R 或 Python）:
直方图、密度图、散点图
该课程还给出了运用 R 或 Python 语言实现的 demo：https://avehtari.github.io/BDA_course_Aalto/demos.html
课程安排
本次课程于 3 月开课、5 月结束。
以下是部分课程安排：
除了课程安排，课程主页还提供了每节课的内容简介：
第 5 节课程的内容简介。
讲师介绍
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几率论和方法论、贝叶斯工作流、几率编程、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。