Struttura del corso

Statistics e probabilistico Programming in Julia

Statistiche di base

  • Statistics
    • Sintesi Statistics con il pacchetto statistico
  • Distribuzioni e StatsPacchetto Base
    • Univariato e multivariato
    • Momenti
    • Funzioni di probabilità
    • Campionamento e RNG
    • Istogrammi
    • Stima della massima verosimiglianza
    • Prodotto, troncazione e distribuzione censurata
    • Statistiche solide
    • Correlazione e covarianza

Fotogrammi di dati

(pacchetto DataFrames)

  • I/O dati
  • Creazione di frame di dati
  • Tipi di dati, inclusi i dati categorici e mancanti
  • Smistamento e unione
  • Rimodellamento e pivoting dei dati

Verifica delle ipotesi

(Pacchetto HypothesisTests)

  • Schema di principio della verifica delle ipotesi
  • Test del Chi Quadrato
  • Test Z e Test T
  • Test F
  • Test esatto di Fisher
  • ANOVA
  • Test per la normalità
  • Test di Kolmogorov-Smirnov
  • T-test di Hotelling

Analisi di regressione e sopravvivenza

(Pacchetti GLM e Survival)

  • Cenni di principio della regressione lineare e della famiglia esponenziale
  • Regressione lineare
  • Modelli lineari generalizzati
    • Regressione logistica
    • Regressione di Poisson
    • Regressione gamma
    • Altri modelli GLM
  • Analisi di sopravvivenza
    • Avvenimenti
    • Kaplan-Meier
    • Nelson-Aalen
    • Cox Rischio proporzionale

Spazi vuoti

(Pacchetto distanze)

  • Che cos'è una distanza?
  • Euclideo
  • Isolato
  • Coseno
  • Correlazione
  • Mahalanobis
  • Hamming
  • MATTO
  • RMS
  • Scarto quadratico medio

Statistica multivariata

(Pacchetti MultivariateStats, Lazo e Loess)

  • Regressione della cresta
  • Regressione lazo
  • Loess
  • Analisi discriminante lineare
  • Analisi delle componenti principali (PCA)
    • PCA lineare
    • Kernel PCA
    • PCA probabilistica
    • CA indipendente
  • Regressione delle componenti principali (PCR)
  • Analisi fattoriale
  • Analisi di correlazione canonica
  • Ridimensionamento multidimensionale

Clustering

(Pacchetto di clustering)

  • K-significa
  • K-medioidi
  • Scansione DBSCAN
  • Clustering gerarchico
  • Algoritmo del cluster di Markov
  • Clustering C-means fuzzy

Bayesiano  Statistics e probabilistico Programming

(Pacchetto Turing)

  • Modello di catena di Markov Carlo
  • Hamiltoniano Montel Carlo
  • Modelli di miscela gaussiana
  • Regressione Lineare Bayesiana
  • Regressione esponenziale della famiglia bayesiana
  • Bayesiano Neural Networks
  • Modelli di Markov nascosti
  • Filtraggio delle particelle
  • Inferenza variazionale
     

Requisiti

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

 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (5)

Corsi in Arrivo

Categorie relative