План на курса
Statistics и вероятностни Programming в Julia
Основна статистика
- Statistics
- Резюме Statistics със статистическия пакет
- Дистрибуции и пакет StatsBase
- Едновариантни и многовариантни
- Моменти
- Вероятностни функции
- Вземане на проби и RNG
- Хистограми
- Оценка на максималната вероятност
- Продукт, обработка и цензурирано разпространение
- Стабилна статистика
- Корелация и ковариация
DataFrames
(пакет DataFrames)
- Вход/изход на данни
- Създаване на рамки с данни
- Типове данни, включително категорични и липсващи данни
- Сортиране и свързване
- Преоформяне и завъртане на данни
Проверка на хипотези
(Пакет HypothesisTests)
- Принципно описание на проверката на хипотези
- Хи-квадрат тест
- z-тест и t-тест
- F-тест
- Точен тест на Фишер
- ANOVA
- Тестове за нормалност
- Тест на Колмогоров-Смирнов
- T-тест на Hotelling
Регресия и анализ на оцеляването
(пакети GLM и Survival)
- Принципно описание на линейна регресия и експоненциално семейство
- Линейна регресия
- Обобщени линейни модели
- Логистична регресия
- Поасонова регресия
- Гама регресия
- Други модели на GLM
- Анализ на оцеляването
- събития
- Каплан-Майер
- Нелсън-Аален
- Пропорционална опасност на Кокс
Разстояния
(пакет от разстояния)
- Какво е разстояние?
- Евклидов
- Ситиблок
- Косинус
- Корелация
- Махаланобис
- Хеминг
- ЛУД
- RMS
- Средно квадратно отклонение
Многовариантна статистика
(Пакети MultivariateStats, Lasso и Loess)
- Гребенна регресия
- Ласо регресия
- Льос
- Линеен дискриминантен анализ
- Анализ на основните компоненти (PCA)
- Линеен PCA
- PCA на ядрото
- Вероятностна PCA
- Независим CA
- Регресия на главния компонент (PCR)
- Факторен анализ
- Каноничен корелационен анализ
- Многомерно мащабиране
Клъстеризиране
(Пакет за групиране)
- К-означава
- К-медоиди
- DBSCAN
- Йерархично групиране
- Клъстерен алгоритъм на Марков
- Fuzzy C-означава групиране
Bayesian Statistics & Probabilistic Programming
(пакет Turing)
- Верига Марков Модел Карло
- Хамилтонов Монтел Карло
- Гаусови смесени модели
- Байесова линейна регресия
- Байесова експоненциална семейна регресия
- байесовски Neural Networks
- Скрити марковски модели
- Филтриране на частици
- Вариационен извод
Изисквания
Този курс е предназначен за хора, които вече имат опит в науката за данните и статистиката.
Oтзиви от потребители (5)
Вариантът с упражнения и показване.
Ida Sjoberg - Swedish National Debt Office
Курс - Econometrics: Eviews and Risk Simulator
Машинен превод
Много примери и упражнения, свързани с темата на обучението.
Tomasz - Ministerstwo Zdrowia
Курс - Advanced R Programming
Машинен превод
Треньорът беше толерантен и стресе да се уверява, че всички разбираме темите, а часовете бяха приятни за посещение.
Mamonyane Taoana - Road Safety Department
Курс - Statistical Analysis using SPSS
Машинен превод
Ден 1 и Ден 2 ми бяха много лесни и много се радвах на този опит.
Mareca Sithole - Africa Health Research Institute
Курс - R Fundamentals
Машинен превод
Краката на курса беше удобен и непринуденото обстановка позволяваше на кандидатите да се чувстват свободно да поставят въпроси.
Rhian Hughes - Public Health Wales NHS Trust
Курс - Introduction to Data Visualization with Tidyverse and R
Машинен превод