Kursplan

Statistics & Probabilistic Programming i Julia

Grundläggande statistik

    Statistics Sammanfattning Statistics med statistikpaketet
Distributions & StatsBase-paket Univariat & multivariat
  • Ögonblick
  • Sannolikhetsfunktioner
  • Provtagning och RNG
  • Histogram
  • Maximal sannolikhetsuppskattning
  • Produkt, trucation och censurerad distribution
  • Robust statistik
  • Korrelation & kovarians
  • Dataramar
  • (DataFrames-paket)

    Data I/O Skapa dataramar Datatyper, inklusive kategoriska och saknade data Sortera och sammanfoga Omforma och pivotera data

      Hypotestestning

    (HypothesisTests-paket)

    Principöversikt av hypotestestning Chi-Squared test z-test och t-test F-test Fisher exact test ANOVA Tester för normalitet Kolmogorov-Smirnov test Hotellings T-test

      Regressions- och överlevnadsanalys

    (GLM & Survival-paket)

    Principkontur av linjär regression och exponentiell familj Linjär regression Generaliserade linjära modeller Logistisk regression Poisson-regression Gamma-regression Andra GLM-modeller

      Överlevnadsanalys Händelser
    Kaplan-Meier
  • Nelson-Aalen
  • Cox Proportional Hazard
  • Avstånd
  • (Avståndspaket)
  • Vad är ett avstånd? Euklidiskt stadsblock cosinuskorrelation Mahalanobis Hamming MAD RMS Medelkvadratavvikelse

    Multivariat statistik

      (MultivariateStats, Lasso och Loess-paket)

    Ridge-regression Lasso-regression Löss Linjär diskriminantanalys Principal Component Analysis (PCA) Linjär PCA Kernel PCA Probabilistisk PCA Oberoende CA

    Principal Component Regression (PCR)

      Faktoranalys
    Kanonisk korrelationsanalys
  • Flerdimensionell skalning
  • Klustring
  • (klusterpaket)
  • K-medel K-medoider DBSCAN Hierarkisk klustring Markov Cluster Algoritm Fuzzy C-medel klustring
  • Bayesisk Statistics & probabilistisk programmering

    (Turingpaket)

      Markov Kedjemodell Carlo Hamiltonian Montel Carlo Gaussisk blandningsmodeller Bayesiansk linjär regression Bayesiansk exponentiell familjeregression Bayesiansk Neural Networks Dolda Markov-modeller Partikelfiltrering Variationsinferens

    Krav

    Denna kurs är avsedd för personer som redan har en bakgrund inom datavetenskap och statistik.

     

     21 timmar

    Antal deltagare



    Price per participant

    Vittnesmål (8)

    Relaterade Kurser

    Relaterade Kategorier