Struttura del corso

Statistica e probabilistica Programming in Julia

Statistiche di base

    Statistics Riepilogo Statistics con il pacchetto statistico
Distribuzioni e pacchetto StatsBase 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
  • Frame 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 pivot dei dati

      Verifica delle ipotesi

    (Pacchetto HypothesisTests)

    Schema di principio della verifica delle ipotesi Test del chi-quadrato Z-Test e T-Test Prova F Test esatto di Fisher ANOVA Test per la normalità Test di Kolmogorov-Smirnov Test T di Hotelling

      Regressione e analisi di 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
  • Rischio proporzionale di Cox
  • Spazi vuoti
  • (Pacchetto distanze)
  • Che cos'è una distanza? Euclideo Isolato Coseno Correlazione Mahalanobis Hamming MATTO RMS Deviazione quadratica media

    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-mezzi K-medoidi DBSCAN Clustering gerarchico Algoritmo del cluster di Markov Clustering dei mezzi C fuzzy
  • Bayesiano  Statistics e programmazione probabilistica

    (Pacchetto Turing)

      Catena Markov Modello Carlo Montel Carlo hamiltoniano Modelli di miscela gaussiana Regressione lineare bayesiana Regressione esponenziale bayesiana della famiglia 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 (8)

    Corsi relativi

    Categorie relative