Sylabus
Předmět představí základy budování statistických modelů a analýzy dat v jazyku Stan.
Prinicipy Hamiltonian Monte Carlo, instalace Stan, jednoduché modely
Základy workflow - prior predictive check, posterior predictive check, kritika modelu a jeho rozšiřování
Regresní a smíšené modely
Ladění modelů, simulation-based calibration, konkrétní modelovací techniky dle projektů studentů (může zahrnovat například diskrétní parametry, Gaussovské procesy, monotónní prediktory, systémy diferenciálních rovnic, analýza přežití, mixture modely, …)
Společná práce a konzultace na projektu
Předpokládá základy programování v R/Pythonu (pro Python bude trochu menší podpora). Znalost základních konceptů Bayesovské statistiky vítána, ale není nutná. Praktická část výuky proběhne na vlastním NTB.