Libri UniversitariApri il catalogo

Bayesian Learning And Montecarlo Simulation – Politecnico di Milano

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · tutti i canali con docenti e libri, a.a. 2026/2027

Prof. Federico Bassetti Canale unico

Corso di laurea: Computer Science and Engineering · Laurea triennale · esame facoltativo · ARTIFICIAL INTELLIGENCE · 5 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 5 CFU · apri nel catalogo · Computer Science and Engineering · 2º semestre ›

Testi consigliati (facoltativi)

Jean-Michel Marin – A Practical Approach to Computational Bayesian StatisticsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Principles of Bayesian learning . Quantifying uncertainty using probabilities. Likelihood, prior and posterior distributions: Bayes ’ Theorem for learning from data. Bayesian estimation and hypothesis testing. Posterior mean and variance, maximum a posteriori (MAP) estimate, posterior intervals, prediction, Bayes factor. Basic models . Bayesian learning for proportions (Bernoulli model- Beta prior).

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Prof. Federico Bassetti Canale unico

Corso di laurea: Electrical Engineering · Laurea triennale · esame facoltativo · ELECTRICAL ENGINEERING - INGEGNERIA ELETTRICA · 5 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 5 CFU · apri nel catalogo · Electrical Engineering · 2º semestre ›

Testi consigliati (facoltativi)

Jean-Michel Marin – A Practical Approach to Computational Bayesian StatisticsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Principles of Bayesian learning . Quantifying uncertainty using probabilities. Likelihood, prior and posterior distributions: Bayes ’ Theorem for learning from data. Bayesian estimation and hypothesis testing. Posterior mean and variance, maximum a posteriori (MAP) estimate, posterior intervals, prediction, Bayes factor. Basic models . Bayesian learning for proportions (Bernoulli model- Beta prior).

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Prof. Federico Bassetti Canale unico

Corso di laurea: High Performance Computing Engineering · Laurea triennale · esame facoltativo · 5 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 5 CFU · apri nel catalogo · High Performance Computing Engineering · 2º semestre ›

Testi consigliati (facoltativi)

Jean-Michel Marin – A Practical Approach to Computational Bayesian StatisticsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Principles of Bayesian learning . Quantifying uncertainty using probabilities. Likelihood, prior and posterior distributions: Bayes ’ Theorem for learning from data. Bayesian estimation and hypothesis testing. Posterior mean and variance, maximum a posteriori (MAP) estimate, posterior intervals, prediction, Bayes factor. Basic models . Bayesian learning for proportions (Bernoulli model- Beta prior).

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.