Part 3: About this course#
1、教学目标#
（1）使用Python进行基本的数据处理
（2）理解贝叶斯推断的基本原理
（3）了解PyMC3的语法和结构，并能应用于相对简单的情境
2、作业要求#
2.1 考核方式： 考勤(10%) + 3次小作业 (45%) + 大作业 (45%)
2.2 大作业
真实的数据分析，数据来源：
Science: https://www.science.org/
Science advances: https://www.science.org/journal/sciadv
Nature: https://www.nature.com/
Nature human behaviour：https://www.nature.com/nathumbehav/
Nature communications: https://www.nature.com/ncomms/ Psychological Science: https://journals.sagepub.com/home/pss
Collabra: Psychology: https://online.ucpress.edu/collabra
合作完成 (每个小组3-5人, 可自行组队或随机分配)
大作业提交内容
代码 (对公开数据进行完整分析的代码，使用贝叶斯统计方法，具有可重复性，有注释和文档说明)
如果原文章使用非贝叶斯方法，可以考虑先重复原文档的分析，再进行贝叶斯分析。
与文字报告 (包括标题，摘要，研究背景或研究问题，研究方法，分析结果，结论六个主要部分)
进行汇报 (使用 PPT 汇报对研究问题和代码的分析过程进行汇报) 大作业评分标准
分工合理、数据分析流程完整、汇报展示清晰美观
3、课程风格#
（1）内容有挑战、考核不复杂
（2）1/3一节课展示或互动抄代码
（3）专门设有答疑时间，助教给大家答疑解惑
4、参考书#
英文教材：
中文教材：
5、致敬！#
6、课程好帮手（AI工具）#
如果你有问题，除了可以向老师和助教寻求帮助，还可以使用AI工具。
这款工具是为贝叶斯课程特别定制的，免费且无需翻墙。
