贝叶斯方法实战：不确定性建模与商业风险量化场景
mdancho84 · x · 2026-09-19
这是 mdancho84「AI 数据科学家转型」推文串的延续：第五点讲贝叶斯机器学习适用于需要真实置信度与概率决策的场景，如分布估计的不确定性建模和时间序列分析；第六点讲商业场景——企业可用贝叶斯定理随新信息动态更新概率，量化市场、信用、运营风险以支持决策。
所属事件:「AI 数据科学家」崛起，贝叶斯方法成转型核心(3 条相关)→
「漫话AGI」频道最新
- 上周还喊必须减速，Dario 和 Sam 为何又加速了？ — _TheWolfOfWalmart_ · 2026-09-20
- AI 时代的中介权力：一篇长文拆解信息控制的新风险 — iamtrask · 2026-09-20
- Mollick补充：政策应主动引导我们走向好的AI世界 — emollick · 2026-09-20
- Mollick：AI大概率像历次通用技术般向好，但也可能迎来冯·诺依曼式奇点 — emollick · 2026-09-20
- iamtrask 背书 betterpath.ai 框架：竞争窄 AI、放慢通用 AI 来降低风险 — iamtrask · 2026-09-20
- 研究者的新日常：大部分时间在读模型生成的实验论文 — generativist · 2026-09-20