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.
Opinie uczestników (3)
zakres wiedzy trenera, dostosowany do potrzeb, wszystkie tematy omówione
eleni - EUAA
Szkolenie - Forecasting with R
Przetłumaczone przez sztuczną inteligencję
Wersja z ćwiczeniami i pokazem.
Ida Sjoberg - Swedish National Debt Office
Szkolenie - Econometrics: Eviews and Risk Simulator
Przetłumaczone przez sztuczną inteligencję
Rzeczywiste zastosowania przy użyciu Statcan i CER jako przykładów.
Matthew - Natural Resources Canada
Szkolenie - Data Analytics With R
Przetłumaczone przez sztuczną inteligencję