Cursusaanbod
Statistiek & Probabilistisch Programmeren in Julia
Basisstatistiek
-
Statistiek
- Samenvattende statistieken met het statistics pakket
-
Distributies & StatsBase pakket
- Univariate & multivariate
- Momente
- Kansfuncties
- Steekproefneming en RNG (Random Number Generator)
- Histogrammen
- Maximum likelihood schatting
- Product, truncatie en censurerde distributies
- Robuste statistieken
- Correlatie & covariantie
DataFrames
(DataFrames pakket)
- Data I/O
- Creëren van Data Frames
- Datatypes, inclusief categorische en ontbrekende gegevens
- Sorteren & joinen
- Herschikken & pivoteren van data
Hypothesentoetsing
(HypothesisTests pakket)
- Principes van hypothesetoetsing
- Chi-kwadraat toets
- z-toets en t-toets
- F-toets
- Fisher exacte toets
- ANOVA (Analysis of Variance)
- Toetsen voor normaliteit
- Kolmogorov-Smirnov toets
- Hotelling's T-toets
Regressie & overlevingsanalyse
(GLM & Survival pakketten)
- Principes van lineaire regressie en de exponentiële familie
- Lineaire regressie
-
Generalized linear models (GLM)
- Logistische regressie
- Poisson regressie
- Gamma regressie
- Andere GLM modellen
-
Overlevingsanalyse
- Gebeurtenissen
- Kaplan-Meier
- Nelson-Aalen
- Cox Proportional Hazard
Afstanden
(Distances pakket)
- Wat is een afstand?
- Euclidische afstand
- Stadsblok (Manhattan) afstand
- Cosinus afstand
- Correlatie afstand
- Mahalanobis afstand
- Hamming afstand
- MAD (Median Absolute Deviation)
- RMS (Root Mean Square)
- Gemiddelde kwadratische afwijking
Multivariate statistiek
(MultivariateStats, Lasso, & Loess pakketten)
- Ridge regressie
- Lasso regressie
- Loess
- Lineaire discriminant analyse
-
Principale Component Analyse (PCA)
- Lineaire PCA
- Kernel PCA
- Probabilistische PCA
- Onafhankelijke CA (Component Analysis)
- Principale Component Regressie (PCR)
- Factoranalyse
- Canonische correlatie analyse
- Multidimensionale schaling
Clustering
(Clustering pakket)
- K-means clustering
- K-medoids clustering
- DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
- Hiërarchische clustering
- Markov Cluster Algoritme
- Fuzzy C-means clustering
Bayesiaanse Statistiek & Probabilistisch Programmeren
(Turing pakket)
- Markov Chain Monte Carlo (MCMC)
- Hamiltonian Monte Carlo
- Gaussian Mixture Models (GMM)
- Bayesiaanse Lineaire Regressie
- Bayesiaanse Exponentiële Familie Regressie
- Bayesiaanse Neurale Netwerken
- Hidden Markov Models (HMM)
- Partikelfiltering
-
Variatiele inferentie
Vereisten
Deze cursus is bedoeld voor personen die al een achtergrond hebben in data science en statistiek.
Getuigenissen (5)
De variatie met oefeningen en demonstreren.
Ida Sjoberg - Swedish National Debt Office
Cursus - Econometrics: Eviews and Risk Simulator
Automatisch vertaald
het was informatief en nuttig
Brenton - Lotterywest
Cursus - Building Web Applications in R with Shiny
Automatisch vertaald
de trainer had geduld en was enthousiast om ervoor te zorgen dat we allemaal de onderwerpen begrepen, de lessen waren leuk om bij te wonen
Mamonyane Taoana - Road Safety Department
Cursus - Statistical Analysis using SPSS
Automatisch vertaald
De betrokkenheid van de trainer, goed voorbereiden van het onderwerp.
Bruno Scibilia - Lesaffre International
Cursus - Advanced R Programming
Automatisch vertaald
Dag 1 en dag 2 waren voor mij echt vanzelfsprekend en ik heb die ervaring echt genoten.
Mareca Sithole - Africa Health Research Institute
Cursus - R Fundamentals
Automatisch vertaald