베이지안 vs. 프리퀀티스트

이제 Bayesian의 내부를 들여다볼 차례예요. 베이즈 정리를 약 효과 데이터에 적용해 그리드 근사를 사용하여 확률 분포의 모수를 추정하고, 새로운 데이터가 들어올 때마다 이 추정치를 갱신하는 방법을 배웁니다. 이어서 사전 지식을 모델에 반영하는 법을 익히고, 마지막으로 비전문가 대상에게 결과를 명확히 전달하는 중요한 보고 역량을 연습합니다.

Exercise 1: 베이지안 후드 속으로 Exercise 2: 그리드 근사로 가기 Exercise 3: 사전 지식 없이 하는 그리드 근사 Exercise 4: 사후 신념 업데이트하기 Exercise 5: 사전 신념 Exercise 6: 사전분포의 진실 Exercise 7: 적절한 사전분포 선택하기 Exercise 8: 사후 분포에서의 시뮬레이션 드로우 Exercise 9: 베이지안 결과 보고하기 Exercise 10: 점 추정값 Exercise 11: 최고 사후밀도(HPD) 신뢰 구간 Exercise 12: 신뢰구간의 의미

이제 익힌 Bayesian 데이터 분석 기술을 실제 비즈니스 문제 해결에 적용해 봅니다. 온라인 판매 마케팅 데이터를 활용해 A/B 테스트, 의사결정 분석, 선형 회귀 모델을 통한 예측을 수행합니다.

Exercise 1: A/B 테스트 Exercise 2: 베타 사후분포 시뮬레이션 Exercise 3: 사후 클릭률 Exercise 4: A 혹은 B, 그리고 우리는 얼마나 확신할 수 있을까요?Exercise 5: 얼마나 나쁠 수 있을까요?Exercise 6: 의사결정 분석 Exercise 7: 의사결정 분석: 비용 Exercise 8: 의사결정 분석: 이익 Exercise 9: 회귀와 예측 Exercise 10: 베이지안 회귀 모델 정의하기 Exercise 11: 회귀 모수 분석하기 Exercise 12: 예측 분포

마지막 장에서는 강력한 PyMC3 패키지를 활용해 Bayesian 회귀 모델을 손쉽게 적합하고, 모델 수렴에 대한 검증을 수행하며, 경쟁하는 모델 간 선택을 하고, 새로운 데이터에 대한 예측을 생성합니다. 마무리로, 아보카도의 최적 가격을 찾는 Bayesian 데이터 분석 사례 연구에 지금까지 배운 내용을 적용해 볼 거예요. 행운을 빕니다!

Exercise 1: Markov Chain Monte Carlo와 모델 적합 Exercise 2: 마르코프 연쇄 몬테카를로 Exercise 3: 사후분포 표본 추출 Exercise 4: 결과 해석과 모델 비교 Exercise 5: 사후 표본 점검하기 Exercise 6: WAIC로 모델 비교하기 Exercise 7: 예측 만들기 Exercise 8: 예측 분포에서 샘플링하기 Exercise 9: 테스트 오류 추정하기 Exercise 10: 아보카도 가격은 얼마나 될까요?Exercise 11: 모델 적합하기 Exercise 12: 모델 점검하기 Exercise 13: 가격 최적화하기 Exercise 14: 마지막 정리