Plan Szkolenia

Statystyka & Programowanie Probabilistyczne w Julia

Podstawy statystyki

  • Statystyka
    • Statystyki podsumowujące z pakietem statistics
  • Rozkłady & pakiet StatsBase
    • Jednowymiarowe & wielowymiarowe
    • Momenty
    • Funkcje prawdopodobieństwa
    • Próbkowanie i RNG
    • Histogramy
    • Maksymalna estymacja wiarogodności
    • Produkt, obcięcie i cenzurowane rozkłady
    • Statystyka odporna
    • Korelacja & kowariancja

DataFrames

(pakiet DataFrames)

  • Wejście/wyjście danych
  • Tworzenie ram danych
  • Typy danych, w tym kategoryczne i brakujące dane
  • Sortowanie & łączenie
  • Przekształcanie & przestawianie danych

Testowanie hipotez

(pakiet HypothesisTests)

  • Zasady testowania hipotez
  • Test Chi-Kwadrat
  • Test z i t
  • Test F
  • Dokładny test Fishera
  • ANOVA
  • Testy na normalność
  • Test Kołmogorowa-Smirnowa
  • Test Hotellinga

Regresja & analiza przeżycia

(pakiety GLM & Survival)

  • Zasady regresji liniowej i rodziny wykładniczej
  • Regresja liniowa
  • Uogólnione modele liniowe
    • Regresja logistyczna
    • Regresja Poissona
    • Regresja Gamma
    • Inne modele GLM
  • Analiza przeżycia
    • Zdarzenia
    • Kaplan-Meier
    • Nelson-Aalen
    • Model Cox Proportional Hazard

Odległości

(pakiet Distances)

  • Czym jest odległość?
  • Euklidesowa
  • Miejska (Cityblock)
  • Cosinusowa
  • Korelacja
  • Mahalanobisa
  • Hamminga
  • MAD
  • RMS
  • Średnie odchylenie kwadratowe

Statystyka wielowymiarowa

(pakiety MultivariateStats, Lasso, & Loess)

  • Regresja grzbietowa
  • Regresja Lasso
  • Loess
  • Analiza dyskryminacyjna liniowa
  • Analiza głównych składowych (PCA)
    • Liniowa PCA
    • Jądrowa PCA
    • Probabilistyczna PCA
    • Niezależna CA
  • Regresja głównych składowych (PCR)
  • Analiza czynnikowa
  • Kanoniczna analiza korelacji
  • Skalowanie wielowymiarowe

Grupowanie

(pakiet Clustering)

  • K-średnie
  • K-medoidy
  • DBSCAN
  • Grupowanie hierarchiczne
  • Algorytm grupowania Markova
  • Grupowanie Fuzzy C-means

Statystyka Bayesowska & Programowanie Probabilistyczne

(pakiet Turing)

  • Model łańcuchów Markowa Monte Carlo
  • Hamiltonian Monte Carlo
  • Modele mieszanin Gaussa
  • Bayesowska regresja liniowa
  • Bayesowska regresja rodziny wykładniczej
  • Bayesowskie sieci neuronowe
  • Ukryte modele Markowa
  • Filtracja cząsteczkowa
  • Wnioskowanie wariacyjne

Wymagania

Ten kurs jest przeznaczony dla osób, które mają już doświadczenie w dziedzinie nauki o danych i statystyki.

 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie