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.
Recensioni (5)
La variazione con esercizio e dimostrazione.
Ida Sjoberg - Swedish National Debt Office
Corso - Econometrics: Eviews and Risk Simulator
Traduzione automatica
Molti esempi ed esercizi relativi all'argomento della formazione.
Tomasz - Ministerstwo Zdrowia
Corso - Advanced R Programming
Traduzione automatica
the trainer had patience, and was eager to make sure we all understood the topics, the classes were fun to attend
Mamonyane Taoana - Road Safety Department
Corso - Statistical Analysis using SPSS
Day 1 and Day 2 were really straight forward for me and really enjoyed that experience.
Mareca Sithole - Africa Health Research Institute
Corso - R Fundamentals
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.