Struttura del corso

Statistics & Probabilistic Programming in Julia

Statistica di base

  • Statistics
    • Sintesi Statistics con il pacchetto statistico
  • Distribuzioni e pacchetto StatsBase
    • Univariate e multivariate
    • Momenti
    • Funzioni di probabilità
    • Campionamento e RNG
    • Istogrammi
    • Stima della massima verosimiglianza
    • Distribuzione prodotto, troncata e censurata
    • Statistica robusta
    • Correlazione e covarianza

DataFrames

(Pacchetto DataFrames)

  • I/O dati
  • Creazione di DataFrame
  • Tipi di dati, inclusi i dati categorici e mancanti
  • Ordinamento e join
  • Reshaping & pivoting dei dati

Test di ipotesi

(Pacchetto HypothesisTests)

  • Linee guida principali per i test di ipotesi
  • Test Chi-Quadrato
  • z-test e t-test
  • F-test
  • Test esatto di Fisher
  • ANOVA
  • Test di normalità
  • Test di Kolmogorov-Smirnov
  • T-test di Hotelling

Regressione & analisi della sopravvivenza

(Pacchetti GLM & Survival)

  • Linee guida principali per la regressione lineare e l'esponenziale
  • Regressione lineare
  • Modelli lineari generalizzati
    • Regressione logistica
    • Regressione di Poisson
    • Regressione Gamma
    • Altri modelli GLM
  • Analisi della sopravvivenza
    • Eventi
    • Kaplan-Meier
    • Nelson-Aalen
    • Cox Proportional Hazard

Distanze

(Pacchetto Distances)

  • Che cosa è una distanza?
  • Euclediana
  • Cityblock
  • Cosine
  • Correlazione
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Deviazione quadratica media

Statistica multivariata

(Pacchetti MultivariateStats, Lasso, & Loess)

  • Regressione ridge
  • Regressione lasso
  • Loess
  • Analisi discriminante lineare
  • Analisi delle componenti principali (PCA)
    • PCA lineare
    • Kernel PCA
    • Probabilistic PCA
    • Independent CA
  • Regressione delle componenti principali (PCR)
  • Analisi fattoriale
  • Canonical Correlation Analysis
  • Scaling multidimensionale

Clustering

(Pacchetto Clustering)

  • K-means
  • K-medoids
  • DBSCAN
  • Clustering gerarchico
  • Markov Cluster Algorithm
  • Fuzzy C-means clustering

Bayesian  Statistics & Probabilistic Programming

(Pacchetto Turing)

  • Modello di catena di Markov Monte Carlo
  • Hamiltonian Montel Carlo
  • Modelli Gaussiani misti
  • Regressione lineare bayesiana
  • Regressione esponenziale famiglia bayesiana
  • Bayesian Neural Networks
  • Modelli di Markov nascosti
  • Filtro particellare
  • Inferenza variazionale
     

Requisiti

Questo corso è destinato a persone che hanno già una formazione in scienza dei dati e statistica.

 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (5)

Corsi in Arrivo

Categorie relative