Kurzusleírás

Statisztika és valószínűségszámítás Programming in Julia

Alapstatisztika

    Statistics Összefoglaló Statistics a statisztikai csomaggal
Distributions & StatsBase csomag Egyváltozós és többváltozós
  • Pillanatok
  • Valószínűségi függvények
  • Mintavétel és RNG
  • Hisztogramok
  • Maximális valószínűség becslés
  • Termék, szünet és cenzúrázott terjesztés
  • Robusztus statisztika
  • Korreláció és kovariancia
  • DataFrames
  • (DataFrames csomag)

    Adat I/O Adatkeretek létrehozása Adattípusok, beleértve a kategorikus és hiányzó adatokat Rendezés és csatlakozás Adatok átalakítása és elforgatása

      Hipotézisvizsgálat

    (HypothesisTests csomag)

    A hipotézisvizsgálat elvi vázlata Khi-négyzet teszt z-próba és t-próba F-próba Fisher egzakt teszt ANOVA Normalitástesztek Kolmogorov-Smirnov teszt Hotelling T-próba

      Regressziós és túlélési elemzés

    (GLM és túlélési csomagok)

    A lineáris regresszió és az exponenciális család elvi vázlata Lineáris regresszió Általánosított lineáris modellek Logisztikai regresszió Poisson regresszió Gamma regresszió Egyéb GLM modellek

      Túlélési elemzés Események
    Kaplan-Meier
  • Nelson-Aalen
  • Cox arányos veszély
  • Távolságok
  • (Távolságok csomag)
  • Mi az a távolság? Euklideszi városblokk koszinusz korreláció Mahalanobis Hamming MAD RMS Átlagos négyzetes eltérés

    Többváltozós statisztika

      (MultivariateStats, Lasso és Loess csomagok)

    Ridge regresszió Lasszó regresszió Loess Lineáris diszkriminancia analízis Főkomponens-elemzés (PCA) Lineáris PCA Kernel PCA Valószínűségi PCA Független CA

    Főkomponens regresszió (PCR)

      Faktoranalízis
    Kanonikus korrelációelemzés
  • Többdimenziós méretezés
  • Klaszterezés
  • (Cluster csomag)
  • K-means K-medoids DBSCAN Hierarchikus klaszterezés Markov klaszter algoritmus Fuzzy C-means klaszterezés
  • Bayesi Statistics és valószínűségi programozás

    (Turing csomag)

      Markov-lánc modell Carlo Hamiltonian Montel Carlo Gauss-féle keverékmodellek Bayes-féle lineáris regresszió Bayes-i exponenciális családregresszió Bayes-féle Neural Networks Rejtett Markov-modellek Részecskeszűrő Variációs következtetés

    Követelmények

    Ez a kurzus azoknak szól, akik már rendelkeznek adattudományi és statisztikai háttérrel.

     

     21 Hours

    Résztvevők száma



    Ár per résztvevő

    Vélemények (8)

    Rokon tanfolyam

    Rokon kategóriák