План на курса

Статистика и вероятностно програмиране в Julia

Основна статистика

  • Статистика
    • Обобщаваща статистика с пакетът statistics
  • Разпределения и пакет StatsBase
    • Едномерни и многомерни разпределения
    • Моменти
    • Функции на вероятност
    • Извличане и генериране на случайни числа (RNG)
    • Гистограми
    • Максимална правдоподобност
    • Производ, обрязване и цензурирано разпределение
    • Робастни статистики
    • Корелация и ковариация

Таблици на данни (DataFrames)

(Пакет DataFrames)

  • Вход и изход на данни
  • Създаване на таблици на данни
  • Типове данни, включително категорични и лipseщи данни
  • Сортиране и спайване на данни
  • Преобразуване и транспониране на данни

Тестове за хипотези

(Пакет HypothesisTests)

  • Основни принципи на тестовете за хипотези
  • Хи-квадрат тест
  • z-тест и t-тест
  • F-тест
  • Тест на Фишер
  • ANOVA
  • Тестове за нормалност
  • Колмогоров-Смирнов тест
  • Тест на Хотелинг T2

Регресия и анализа на надеждността

(Пакети GLM и Survival)

  • Основни принципи на линейната регресия и експоненциалните семейства
  • Линейна регресия
  • Обобщени линейни модели
    • Логистична регресия
    • Пуассонова регресия
    • Гама регресия
    • Други модели на GLM
  • Анализ на надеждността
    • Събития
    • Каплан-Майер
    • Нелсон-Аален
    • Cox пропорционални рискове

Разстояния

(Пакет Distances)

  • Какво е разстояние?
  • Евклидово
  • Манхетнско (Cityblock)
  • Косинусно
  • Корелационно
  • Махаланобис
  • Хаминг
  • MAD (Mean Absolute Deviation)
  • RMS (Root Mean Square)
  • Средноквадратично отклонение

Многомерна статистика

(Пакети MultivariateStats, Lasso и Loess)

  • Ридж регресия
  • Лассо регресия
  • Лойс (Loess)
  • Линейна дискриминантна анализа
  • Компонентен анализ (PCA)
    • Линейно PCA
    • Ядрено PCA
    • Вероятностно PCA
    • Независима компонентна анализа (ICA)
  • Регресия със главни компоненти (PCR)
  • Факторен анализ
  • Канонична корелационна анализа
  • Многомерно маскиране

Класификация

(Пакет Clustering)

  • K-средни
  • K-медиоиди
  • DBSCAN
  • Иерархична класификация
  • Марковски алгоритъм за кластериране
  • Нечетки C-средни

Байесова статистика и вероятностно програмиране

(Пакет Turing)

  • Марковски ланцови метод на Монте Карло (MCMC)
  • Хамилтонов метод на Монте Карло
  • Гаусови миксиране модели
  • Байесова линейна регресия
  • Байесова експоненциална семейства регресия
  • Байесови невронни мрежи
  • Скрити марковски модели (HMM)
  • Частици на филтриране
  • Вариационна инференция

Изисквания

Този курс е предназначен за хора, които вече имат фундаментални познания в областта на данническите науки и статистиката.

 21 Часове

Брой участници


Цена за участник

Отзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории