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

    Number of participants



    Price per participant

    Getuigenissen (8)

    Related Courses

    Related Categories