Schița de curs

Statistică & Probabilistică Programming în Julia

Statistici de bază

    Statistics Rezumat Statistics cu ajutorul pachetului statistic
Distribuții & Pachetul StatsBase Univariat &; multivariat
  • Momente
  • Funcții de probabilitate
  • Eșantionare și RNG
  • Histograme
  • Estimarea cu probabilitate maximă
  • Produs, trucare și distribuție cenzurată
  • Statistici robuste
  • Corelație & covarianță
  • DataFrames
  • (pachet DataFrames)

    Date I/O Crearea cadrelor de date Tipuri de date, inclusiv date categorice și date lipsă Sortare ș iamp; îmbinare Remodelarea ș i modificarea datelor

      Testarea ipotezelor

    (pachet HypothesisTests)

    Schema de principiu a testării ipotezelor Testul Chi pătrat Testul z și testul t Testul F Testul Fisher exact ANOVA Teste de normalitate Testul Kolmogorov-Smirnov Testul T Hotelling's

      Regresie & analiză de supraviețuire

    (GLM & Pachete de supraviețuire)

    Schema de principiu a regresiei liniare și a familiei exponențiale Regresia liniară Modele liniare generalizate Regresia logistică Regresia Poisson Regresia Gamma Alte modele GLM

      Analiza de supraviețuire Evenimente
    Kaplan-Meier
  • Nelson-Aalen
  • Hazard proporțional Cox
  • Distanțe
  • (Pachet Distanțe)
  • Ce este o distanță? Euclidiană Blocul orașului Cosinus Corelație Mahalanobis Hamming MAD RMS Abaterea medie pătratică

    Statistici multivariate

      (MultivariateStats, Lasso, & pachete Loess)

    Regresia de creastă Regresia Lasso Loess Analiza discriminantă liniară Analiza componentelor principale (PCA) PCA liniar Kernel PCA PCA probabilistică CA independentă

    Regresia componentelor principale (PCR)

      Analiza factorială
    Analiza corelației canonice
  • Scalarea multidimensională
  • Clusterizare
  • (Pachet de clusterizare)
  • K-means K-medoizi DBSCAN Clusterizare ierarhică Algoritmul Markov Cluster Clusterizarea Fuzzy C-means
  • Bayesian  Statistics & Programarea probabilistică

    (Pachet Turing)

      Modelul lanțului Markov Carlo Hamiltonian Montel Carlo Modele de amestecuri gaussiene Regresie liniară bayesiană Regresie Bayesiană cu familie exponențială Bayesiană Neural Networks Modele Markov ascunse Filtrare cu particule Inferență variațională  

    Cerințe

    Acest curs se adresează persoanelor care au deja cunoștințe în domeniul științei datelor și al statisticii.

     

     21 ore

    Numărul de participanți



    Pret per participant

    Mărturii (8)

    Cursuri înrudite

    Categorii înrudite