基于R语言的贝叶斯网络模型的实践技术应用

Posted 2021-04-07 麦豆科研技术研讨

在现代的生态、环境以及地学研究中，变量和变量间的因果关系推断占据了非常重要的地位。在实践中，变量间的因果关系研究往往求助于昂贵的实验，但所得结果又经常与天然环境中的实际因果联系相差甚远。统计学方法是研究天然环境中变量间关系的好方法，但常见的统计学方法往往回答的是变量间的相关关系。相关关系是通往因果关系的第一步，但决不是其最终的目的。贝叶斯网络是一种结合图论与统计学理论提出的新型模型。贝叶斯网络不但能够统合已有的各种统计学方法，如混合回归模型，LASSO,自回归模型，隐马模型等等；而且在很大程度上能够弥补统计学模型不能够进行因果推断的缺憾。自贝叶斯网络模型在上个世纪80年代被正式提出以来，其已经被运用于生态、环境、医学、社会学等各方面的研究，取得了丰硕的成果；但是，贝叶斯网络模型理论较为复杂，体系庞大，形式复杂多样，很难被初学者掌握。本次课程以开源的R语言为平台，通过理论和实践相结合的方法，系统介绍了贝叶斯网络结构学习，参数学习以及因果推断等全过程，使学员对贝叶斯网络有较全面的了解，并能够用于科研和工作实践中。

时间安排： 2020年9月4日— 9月10日 （每晚19:30-21:30）

培训方式： 

在线直播（会务组开课前通知观看流程）

观看方式：

手机或者电脑下载“腾讯会议”注册完成后，开课前半小时内，会务组提供会议ID及密码。

课程目标：

（1）了解贝叶斯网络(Bayesian Network)模型的基本原理

（2）掌握利用R实现贝叶斯网络的主要包及其特点

（3）掌握利用R实现贝叶斯静态和动态网络学习的步骤和流程；

（4）掌握利用R进行贝叶斯网络推理的要点；

（5）通过理论知识学习与上机实践操作，让学员具备构建贝叶斯网络模型的能力，实现科研和生产实践目的；

主讲专家：

主讲专家来自中国科学院及重点高校资深专家，长期从事结构方程模型、群落生态学、保护生物学、景观生态学和生态模型方面的研究和教学工作，以发表了多篇论文，拥有丰富的科研及实践经验。

培训对象:

各研究所、高校及企事业单位从事地学、生态、进化、环境、医学、社会、经济科学相关领域教学、科研和科技推广的工作者、硕士、博士研究生，以及相关技术人员；其它相关领域教学和科研的工作者、硕士、博士研究生等。   

课前准备：  

参加培训人员请提前自备笔记本电脑，配置好运行环境，准备优质网络环境，确保课程正常使用。更多精品课程请参见AI尚研修会议平台：www.aishangyanxiu.com

主办单位： AI尚研修-研修学院              协办单位: 陕西中科资环信息技术有限责任公司       

二零二零年八月六日

培训费用：2399元（只含本课程费用）所有课程均提供培训费、会议费发票，附带盖章文件。

打包课A: 2998元（本课程费用+原价999元Python机器学习案例实践录播视频）

打包课B: 2998元（本课程费用+原价999元Meta分析在生态环境领域中的应用精品录播视频）

打包课C: 2798元（本课程费用+原价799元MATLAB深度学习工具箱全面解析实践精品视频）

打包课D: 2998元（本课程费用+原价999元MATLAB在生态环境数据处理与分析中的应用视频）

打包课E: 3988元（本课程费用+原价1989元 基于R语言的结构方程模型分析及应用视频）

打包课F: 3598元（本课程费用+原价1599元 MATLAB近红外光谱分析技术及应用视频课程）

打包课G: 4179元（本课程费用+原价2180元R语言+遥感的水环境综合评价方法实战应用视频）

打包课H: 2598元（本课程费用+原价599元统计方法在变量变化及变量间关系分析应用视频）

参加方式： 确定参加此课程后，填写报名回执表，发送至会务工作组，会务组根据您的报名回执及汇款信息安排相关事宜，开课半小时前提供房间ID及房间密码。

颁发证书： 参加培训的学员可以获得《R语言编程》专业技能培训证书（电子版），网上可查。此证书可作为学时证明、 个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com

联系方式：   贾颖 17732660520（微信同号）  QQ：3346995394

基于R语言的贝叶斯网络模型的实践技术应用课程内容
专题一： R语言实现Bayesian Network分析的基本流程	R语言的数据类型与基本操作 R语言中图论的相关操作 贝叶斯网络的图表示与概率表示 基于bnlearn建立简单的贝叶斯网络
专题二： 离散静态贝叶斯网络的构建	离散静态网络的结构学习 离散静态网络的参数估计 离散静态网络的推断 实例分析
专题三： 连续分布下的贝叶斯网络	连续贝叶斯网络的结构学习 连续贝叶斯网络的参数估计 高斯贝叶斯网络的推断 实例分析
专题四： 混合贝叶斯网络	混合分布情况下的处理 贝叶斯统计在混合网络中的应用 实例分析
专题五： 动态贝叶斯网络	时间序列中变量的选择 时间相关性的处理 动态贝叶斯网络 实例分析
专题六： 基于Gephi的网络作图初步	基于Gephi的网络作图初步
专题七： 真实世界中的贝叶斯网络	Bootstrap与阈值选择 模型平均方法 非齐次动态贝叶斯网络 实例分析

 

注：请提前自备电脑及安装所需软件。