Plan Szkolenia
Statistics i probabilistyczne Programming w Julia
Podstawowe statystyki
- Statistics
- Podsumowanie Statistics z pakietem statystyk
- Rozkłady i pakiet StatsBase
- Jednowymiarowe i wielowymiarowe
- Momenty
- Funkcje prawdopodobieństwa
- Próbkowanie i RNG
- Histogramy
- Szacowanie metodą największej wiarygodności
- Rozkład iloczynowy, trucjalny i cenzurowany
- Statystyka odporna
- Korelacja i kowariancja
DataFrames
(Pakiet DataFrames)
- Dane we/wy
- Tworzenie ramek danych
- Typy danych, w tym dane kategoryczne i brakujące dane
- Sortowanie i łączenie
- Przekształcanie i przestawianie danych
Testowanie hipotez
(Pakiet HypothesisTests)
- Główny zarys testowania hipotez
- Test Chi-kwadrat
- Test z i test t
- Test F
- Test dokładny Fishera
- ANOVA
- Testy normalności
- Test Kołmogorowa-Smirnowa
- Test T Hotellinga
Analiza regresji i przeżycia
(Pakiety GLM i Survival)
- Główny zarys 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
- Proporcjonalne zagrożenie Coxa
Odległości
(Pakiet Odległości)
- Co to jest odległość?
- Euklidesowa
- Cityblock
- Cosinus
- Korelacja
- Mahalanobis
- Hamming
- MAD
- RMS
- Odchylenie średniokwadratowe
Statystyki wielowymiarowe
(pakiety MultivariateStats, Lasso i Loess)
- Regresja grzbietowa
- Regresja Lasso
- Loess
- Liniowa analiza dyskryminacyjna
- Analiza głównych składowych (PCA)
- Liniowa PCA
- Kernel PCA
- Probabilistyczna PCA
- Niezależna CA
- Regresja głównych składowych (PCR)
- Analiza czynnikowa
- Analiza korelacji kanonicznej
- Skalowanie wielowymiarowe
Klasteryzacja
(Pakiet klastrowania)
- K-średnich
- K-medoidy
- DBSCAN
- Klastrowanie hierarchiczne
- Algorytm klastrów Markowa
- Klastrowanie rozmyte C-średnich
Bayesian Statistics & Probabilistic Programming
(pakiet Turinga)
- Łańcuch Markowa Model Carlo
- Hamiltonian Montel Carlo
- Gaussowskie modele mieszane
- Liniowa regresja Bayesa
- Rodzina regresji wykładniczej Bayesa
- Bayesian Neural Networks
- Ukryte modele Markowa
- Filtrowanie cząstek
- Wnioskowanie wariacyjne
Wymagania
Ten kurs jest przeznaczony dla osób, które mają już doświadczenie w nauce o danych i statystyce.
Opinie uczestników (5)
Różnice w ćwiczeniach i pokazach.
Ida Sjoberg - Swedish National Debt Office
Szkolenie - Econometrics: Eviews and Risk Simulator
Przetłumaczone przez sztuczną inteligencję
trener okazywał cierpliwość i chętnie upewniał się, że wszyscy zrozumieli omawiane tematy, zajęcia były przyjemne do uczestnictwa
Mamonyane Taoana - Road Safety Department
Szkolenie - Statistical Analysis using SPSS
Przetłumaczone przez sztuczną inteligencję
Tempo było właściwe, a luźna atmosfera sprawiała, że kandydaci czuli się swobodnie, zadając pytania.
Rhian Hughes - Public Health Wales NHS Trust
Szkolenie - Introduction to Data Visualization with Tidyverse and R
Przetłumaczone przez sztuczną inteligencję
Michael, trener, jest bardzo znanym i sprawnym specjalistą w dziedzinie Big Data oraz R. Jest bardzo elastyczny i szybko dostosowuje szkolenia do potrzeb klientów. Ponadto potrafi na bieżąco rozwiązywać techniczne i zawodowe problemy. Fantastyczne i profesjonalne szkolenie!
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Szkolenie - Programming with Big Data in R
Przetłumaczone przez sztuczną inteligencję
I cieszyłem się z dostarczonych Excel arkuszy z ćwiczeniami wraz z przykładami. Oznaczało to, że jeśli Tamil był zajęty pomocą innym ludziom, mógłbym kontynuować z następnymi częściami.
Luke Pontin
Szkolenie - Data and Analytics - from the ground up
Przetłumaczone przez sztuczną inteligencję