Kursplan

Statistics & Probabilistisk Programming i Julia

Grunnleggende statistikk

  • Statistics
    • Sammendrag Statistics med statistikkpakken
  • Distribusjoner og StatsBase-pakke
    • Univariat og multivariat
    • Øyeblikk
    • Sannsynlighetsfunksjoner
    • Sampling og RNG
    • Histogrammer
    • Maksimal sannsynlighetsestimering
    • Produkt, trukasjon og sensurert distribusjon
    • Robust statistikk
    • Korrelasjon og kovarians

Datarammer

(DataFrames-pakke)

  • Data I/O
  • Opprette datarammer
  • Datatyper, inkludert kategoriske og manglende data
  • Sortering og sammenføyning
  • Omforming og pivotering av data

Hypotesetesting

(HypothesisTests-pakke)

  • Prinsippskisse av hypotesetesting
  • Chi-Squad test
  • z-test og t-test
  • F-test
  • Fisher eksakt test
  • ANOVA
  • Tester for normalitet
  • Kolmogorov-Smirnov test
  • Hotellings T-test

Regresjons- og overlevelsesanalyse

(GLM og overlevelsespakker)

  • Prinsippskisse av lineær regresjon og eksponentiell familie
  • Lineær regresjon
  • Generaliserte lineære modeller
    • Logistisk regresjon
    • Poisson-regresjon
    • Gamma-regresjon
    • Andre GLM-modeller
  • Overlevelsesanalyse
    • Hendelser
    • Kaplan-Meier
    • Nelson-Aalen
    • Cox proporsjonal fare

Avstander

(Avstandspakke)

  • Hva er en avstand?
  • euklidisk
  • Byblokk
  • Cosinus
  • Korrelasjon
  • Mahalanobis
  • Hamming
  • GAL
  • RMS
  • Gjennomsnittlig kvadratisk avvik

Multivariat statistikk

(MultivariateStats, Lasso og Loess-pakker)

  • Ridge regresjon
  • Lasso-regresjon
  • Loess
  • Lineær diskriminantanalyse
  • Hovedkomponentanalyse (PCA)
    • Lineær PCA
    • Kjerne PCA
    • Probabilistisk PCA
    • Uavhengig CA
  • Hovedkomponentregresjon (PCR)
  • Faktoranalyse
  • Kanonisk korrelasjonsanalyse
  • Flerdimensjonal skalering

Klynger

(Klyngepakke)

  • K-betyr
  • K-medoider
  • DBSCAN
  • Hierarkisk klynging
  • Markov Cluster Algoritme
  • Fuzzy C-betyr gruppering

Bayesiansk Statistics og sannsynlighet Programming

(Turing-pakke)

  • Markov-kjedemodell Carlo
  • Hamiltonian Montel Carlo
  • Gaussiske blandingsmodeller
  • Bayesiansk lineær regresjon
  • Bayesiansk eksponentiell familieregresjon
  • Bayesisk Neural Networks
  • Skjulte Markov-modeller
  • Partikkelfiltrering
  • Variasjonell slutning

Krav

Dette kurset er beregnet på personer som allerede har bakgrunn innen datavitenskap og statistikk.

 21 timer

Antall deltakere


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories