Prenez contact avec nous

Plan du cours

Statistiques & Programmation probabiliste avec Julia

Statistiques de base

  • Statistiques
    • Statistiques descriptives avec le package statistics
  • Distributions & package StatsBase
    • Univariées & multivariées
    • Moments
    • Fonctions de probabilité
    • Échantillonnage et RNG
    • Histogrammes
    • Estimation du maximum de vraisemblance
    • Distributions tronquées et censurées
    • Statistiques robustes
    • Corrélation & covariance

DataFrames

(Package DataFrames)

  • E/S de données
  • Création de DataFrames
  • Types de données, y compris les données catégorielles et manquantes
  • Tri & jointures
  • Restructuration & pivotement des données

Tests d'hypothèses

(Package HypothesisTests)

  • Principes des tests d'hypothèses
  • Test du Khi-deux
  • Test z et test t
  • Test F
  • Test exact de Fisher
  • ANOVA
  • Tests de normalité
  • Test de Kolmogorov-Smirnov
  • Test T de Hotelling

Régression & analyse de survie

(Packages GLM & Survival)

  • Principes de la régression linéaire et de la famille exponentielle
  • Régression linéaire
  • Modèles linéaires généralisés
    • Régression logistique
    • Régression de Poisson
    • Régression Gamma
    • Autres modèles GLM
  • Analyse de survie
    • Événements
    • Kaplan-Meier
    • Nelson-Aalen
    • Risques proportionnels de Cox

Distances

(Package Distances)

  • Qu'est-ce qu'une distance ?
  • Euclidienne
  • Ville de Manhattan
  • Cosinus
  • Corrélation
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Écart quadratique moyen

Statistiques multivariées

(Packages MultivariateStats, Lasso & Loess)

  • Régression Ridge
  • Régression Lasso
  • Loess
  • Analyse discriminante linéaire
  • Analyse en Composantes Principales (ACP)
    • ACP linéaire
    • ACP noyau
    • ACP probabiliste
    • Analyse en Composantes Indépendantes
  • Régression par Composantes Principales (PCR)
  • Analyse factorielle
  • Analyse canonique des corrélations
  • Analyse multidimensionnelle

Clustering

(Package Clustering)

  • K-means
  • K-medoids
  • DBSCAN
  • Clustering hiérarchique
  • Algorithme de clustering Markovien
  • Fuzzy C-means clustering

Statistiques bayésiennes & programmation probabiliste

(Package Turing)

  • Chaîne de Markov Monte Carlo
  • Monte Carlo par hamiltonien
  • Modèles de mélange gaussien
  • Régression linéaire bayésienne
  • Régression bayésienne de la famille exponentielle
  • Réseaux de neurones bayésiens
  • Modèles de Markov cachés
  • Filtrage particulaire
  • Inférence variationnelle

Pré requis

Cette formation s'adresse aux personnes ayant déjà des connaissances en data science et en statistique.

 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires