地理信息时空分析作为地理信息科学的核心分支,致力于融合空间、时间与属性三重维度,构建专门的理论模型与计算方法,以揭示地理现象的演变规律、驱动机制与发展趋势,核心在于系统回答“何时、何地、如何变化、为何变化”等关键问题。目前,该技术已广泛应用于自然资源管理、灾害监测、生态评估、公共健康、城市规划等领域,为多行业决策与研究提供了成熟的时空分析工具与科学支撑。
为促进地理信息时空分析技术的深入发展与跨领域应用,我们特推出“贝叶斯时空机器学习模型方法,编程和实战”线上课程。本课程聚焦最前沿的贝叶斯时空统计方法和贝叶斯时空机器学习模型,系统讲解其贝叶斯统计理论基础、贝叶斯统计编程实现技术与实际应用流程,涵盖从贝叶斯推断、时空层次模型,到贝叶斯机器学习(如BART、贝叶斯因果森林、贝叶斯图神经网络等)的全链路内容。通过“理论讲解+案例实操”相结合的方式,助力学员掌握贝叶斯思想在地理分析中的具体实现,提升对复杂时空数据的建模与解释能力。
现将有关事项通知如下:
内容分为两个板块(3个模块,可根据自身情况独立购买不同模块):第一模块:贝叶斯统计理论基础及应用编程;第二模块:贝叶斯时空因果机器学习方法及应用编程实操;第三模块:贝叶斯时空深度学习方法及应用编程实操。:
| |
模块1: 贝叶斯统计理论基础及应用编程 | 贝叶斯统计思想 ● 贝叶斯统计底层思想 ● 概率的信念解释 ● 贝叶斯定理与信念更新 贝叶斯统计推断 ● 先验、共轭先验、先验的确定 ● 后验分布、点估计与可信区间 ● 贝叶斯假设检验 ● 贝叶斯因子与模型比较 贝叶斯统计线性回归模型 ● 贝叶斯层次模型 ● 贝叶斯一般线性回归模型 ● 贝叶斯岭回归模型 ● 贝叶斯LASSO回归模型 贝叶斯统计编程实操 ● WinBUGS的贝叶斯统计编程技术及实操 ● Python的贝叶斯统计编程技术及实操 ● R的贝叶斯统计编程实操及实操 |
| 500元/人 2025年11月16日上午8:30-12:00,下午14:30-17:00 |
模块2 贝叶斯时空因果机器学习方法及应用编程 | 因果推断思想与方法 ●观察性数据的因果推断 ●潜在因果推断框架 ●结构因果推断框架 贝叶斯累加回归树模型 (BART) ●BART 的模型结构与推断原理 ●BART参数的先验确定 ●BART的非线性回归分析 贝叶斯因果森林模型 (BCF) ●BCF 的核心思想与算法机制 ●异质性处理效应估计 ●BCF与频率派因果森林的对比 贝叶斯时空因果推断模型 ●时空数据与因果识别 ●贝叶斯时空因果推断的实现 贝叶斯因果机器学习的编程实操 ●贝叶斯累加回归树模型 (BART)的应用实操 ●贝叶斯因果森林模型 (BCF) 的应用实操 ●贝叶斯时空因果推断的编程应用实操 |
| 1000元/人 2025年11月23日上午8:30-12:00,下午14:30-17:00 |
模块3: 贝叶斯时空深度学习方法及应用编程 | 贝叶斯深度学习模型 (BDL) ●贝叶斯深度学习模型原理 ●贝叶斯深度学习的先验选择 ●贝叶斯深度学习的应用场景 图神经网络模型 (GNN) ●图神经网络基础 ●图卷积神经网络模型 贝叶斯图神经网络模型 (Bayesian GNN) ●贝叶斯统计视角下的图神经网络模型 ●贝叶斯图神经网络的结构与原理 ●贝叶斯图神经网络模型的应用场景 贝叶斯深度学习模型的编程实操 ●贝叶斯深度学习模型的应用实操 ●贝叶斯图神经网络模型 (Bayesian GNN) 的应用实操 |
| 1000元/人 2025年11月29日上午8:30-12:00,下午14:30-17:00 |
请扫码添加课程助理企业微信报名、咨询、领取发票课程资料及上课链接。
以上各模块包含课程视频、课件PPT、代码、数据、上机文档、后期5次答疑及相应的学员专属群。每个模块可以单独报名,也可以组合报名,组合套餐形式:1、贝叶斯统计理论基础+贝叶斯时空深度学习方法及应用编程 2、贝叶斯统计理论基础+贝叶斯时空因果机器学习方法及应用编程 3、贝叶斯统计理论基础+贝叶斯时空深度学习方法+贝叶斯时空因果机器学习方法及应用编程 4、所有模块
限时早鸟价:9折优惠,截至10月18日。组合套餐报名再优惠50元。另外,学生凭学生证享更多优惠,详情可添加课程助理微信咨询。
如需了解课程最新动态及新的课程,可加入地理时空分析培训群随时关注课程信息。
- 体系完整,循序渐进:课程从贝叶斯统计思想基础讲起,逐步深入到编程实现、时空建模、因果推断与前沿机器学习模型,构建了完整的学习路径。
- 聚焦前沿,深度赋能:内容不仅涵盖经典的贝叶斯层次模型,更引入了BART、贝叶斯因果森林、贝叶斯图神经网络等机器学习领域的前沿方法,确保学员学到的是当前最有力的分析工具。
- 强调实操,学以致用:课程设有大量编程实操模块(WinBUGS/Python/R),并通过气候变化、流行病学等真实世界案例,将理论应用于解决实际问题,注重技能的转化。
- 因果推断,洞察本质:独树一帜地将贝叶斯方法与现代因果推断框架相结合,赋予学员从相关关系中识别因果关系的能力,极大提升了分析的科学性与决策价值。
- 课程回放:为了确保学员不受时间限制,可以随时回顾课程内容,我们提供一年的课程回放。无论是在课程结束后,还是在需要复习时,学员都能随时访问课程资料和回放视频,确保学习成果的持续巩固。
- 课程售后:学员在课程学习过程中,难免会遇到各种技术问题或疑问。为此,我们提供5次免费课后咨询,学员可以在专属群获得老师的解答。
- 掌握贝叶斯统计核心思想:理解贝叶斯定理、先验后验、共轭先验等基础概念,建立贝叶斯世界观。
- 独立完成贝叶斯统计建模全流程:从设定先验、计算后验到结果解释和假设检验,具备使用WinBUGS、Python或R进行贝叶斯编程的能力。
- 运用贝叶斯机器学习解决复杂问题:掌握如BART、BCF等模型用于因果效应估计,了解贝叶斯神经网络等前沿工具,处理高维、非线性和图结构数据。
- 形成完整的数据分析闭环:具备将贝叶斯思维、时空建模、因果推断和机器学习融会贯通,解决实际科研或商业项目中复杂数据问题的综合能力。
李老师,财经大学统计学院教授,硕士生导师,中科院工学博士,主要研究方向是贝叶斯时空统计方法、贝叶斯机器学习、AI大模型、时空流行病学、经济社会统计等。某C刊和A刊学术编辑。省高等学校优秀青年学术带头人、中国地理学会地理模型与地理信息分析专业委员会委员、全国青年统计学家协会理事、全国商业统计学会人工智能分会理事、《环境卫生学杂志》青年编委,国家注册城市规划师,自然资源厅专家库成员、多家SCI\SSCI期刊和国内CSSCI期刊审稿人。发表SCI、SSCI、CSSCI、CSCD论文50多篇,国社科重大项目子课题负责人、主持国社科、教育部人文社科、省自科、重点实验室开放课题等项目多项。
- 高等院校及科研院所的师生:地理学、环境科学、流行病学、公共卫生、经济学、社会学、生态学等涉及数据建模与分析专业的研究生、博士生及青年教师。希望在其论文或研究中采用更先进、更灵活的统计模型(如时空模型、因果推断)的科研人员。
- 政府及事业单位的相关从业人员:从事城市规划、疾病防控、气候变化研究、资源环境管理、社会经济统计等领域的政策分析与决策支持人员。
- 行业内的数据分析师与数据科学家:在互联网、金融、咨询、医疗健康等行业,处理具有时空特性或因果识别需求的数据,希望提升模型技术栈深
- 基本要求:建议学员具备基础的统计学知识和初步的编程经验(任一语言),以确保最佳的学习效果。
(1)培训费发票统一以电子发票形式于两个工作日内发给学员微信。发票可开具:技术服务费、培训费、咨询服务费、会议费。
(2)培训课程所用到的数据、代码、上机手册等培训材料在正式开课前两天通过微盘发给学员微信。