Course Outline

Statistiek en probabilistisch Programming in Julia

Basisstatistieken

    Statistics Samenvatting Statistics met het statistiekpakket
Uitkeringen & StatsBase pakket Univariate & multivariate
  • Momenten
  • Waarschijnlijkheidsfuncties
  • Bemonstering en RNG
  • Histogrammen
  • Schatting van de maximale waarschijnlijkheid
  • Product, trucatie en gecensureerde distributie
  • Robuuste statistieken
  • Correlatie & covariantie
  • Gegevensframes
  • (DataFrames-pakket)

    Gegevens-I/O Gegevensframes maken Gegevenstypen, inclusief categorische en ontbrekende gegevens Sorteren en samenvoegen Gegevens opnieuw vormgeven en draaien

      Hypothese testen

    (HypotheseTests-pakket)

    Principeoverzicht van het testen van hypothesen Chi-kwadraattest z-test en t-test F-test Fisher exact-test ANOVA Tests voor normaliteit Kolmogorov-Smirnov-test Hotelling's T-test

      Regressie- en overlevingsanalyse

    (GLM & Survival-pakketten)

    Principeschets van lineaire regressie en exponentiële familie Lineaire regressie Gegeneraliseerde lineaire modellen Logistische regressie Poisson-regressie Gamma-regressie Andere GLM-modellen

      Overlevingsanalyse Gebeurtenissen
    Kaplan-Meier
  • Nelson-Aalen
  • Cox proportioneel gevaar
  • Afstanden
  • (Afstandenpakket)
  • Wat is een afstand? Euclidische stadsblok-cosinuscorrelatie Mahalanobis Hamming MAD RMS Gemiddelde kwadratische afwijking

    Multivariate statistieken

      (MultivariateStats-, Lasso- en Löss-pakketten)

    Ridge-regressie Lasso-regressie Löss Lineaire discriminantanalyse Principal Component Analysis (PCA) Lineaire PCA Kernel PCA Probabilistische PCA Onafhankelijke CA

    Hoofdcomponentregressie (PCR)

      Factoren analyse
    Canonieke correlatieanalyse
  • Multidimensionale schaalvergroting
  • Clustering
  • (Clustereringspakket)
  • K-betekent K-medoids DBSCAN Hiërarchische clustering Markov Clusteralgoritme Fuzzy C-betekent clustering
  • Bayesiaans Statistics en probabilistisch programmeren

    (Turing-pakket)

      Markov-ketenmodel Carlo Hamiltoniaan Montel Carlo Gaussiaanse mengselmodellen Bayesiaanse lineaire regressie Bayesiaanse exponentiële familieregressie Bayesiaanse Neural Networks Verborgen Markov-modellen Deeltjesfiltering Variationele inferentie

    Requirements

    Deze cursus is bedoeld voor mensen die al een achtergrond hebben in data science en statistiek.

     

     21 Hours

    Getuigenissen (8)

    Related Courses

    Related Categories