Programa del Curso

Statistics y probabilístico Programming en Julia

Estadísticas básicas

  • Statistics
    • Resumen Statistics con el paquete de estadísticas
  • Distribuciones y estadísticasPaquete base
    • Univariante y multivariante
    • Momentos
    • Funciones de probabilidad
    • Muestreo y RNG
    • Histogramas
    • Estimación de máxima verosimilitud
    • Producto, trucación y distribución censurada
    • Estadísticas sólidas
    • Correlación y covarianza

Marcos de datos

(Paquete DataFrames)

  • E/S de datos
  • Creación de marcos de datos
  • Tipos de datos, incluidos los datos categóricos y los que faltan
  • Clasificación y unión
  • Remodelación y dinamización de datos

Prueba de hipótesis

(Paquete de Pruebas de Hipótesis)

  • Esquema de principios de la prueba de hipótesis
  • Prueba de Chi-cuadrado
  • Prueba Z y Prueba T
  • Prueba F
  • Prueba exacta de Fisher
  • ANOVA
  • Pruebas de normalidad
  • Prueba de Kolmogorov-Smirnov
  • Prueba T de Hotelling

Regresión y análisis de supervivencia

(Paquetes GLM y Supervivencia)

  • Esquema principal de la regresión lineal y la familia exponencial
  • Regresión lineal
  • Modelos lineales generalizados
    • Regresión logística
    • Regresión de Poisson
    • Regresión gamma
    • Otros modelos de GLM
  • Análisis de supervivencia
    • Eventos
    • Kaplan-Meier
    • Nelson-Aalen
    • Peligro proporcional de Cox

Distancias

(Paquete de distancias)

  • ¿Qué es una distancia?
  • Euclidiano
  • Manzana
  • Coseno
  • Correlación
  • Mahalanobis
  • Hamming
  • ENOJADO
  • RMS
  • Desviación cuadrática media

Estadística multivariante

(Paquetes MultivariateStats, Lasso y Loess)

  • Regresión de cresta
  • Regresión de lazo
  • Loess
  • Análisis lineal discriminante
  • Análisis de componentes principales (PCA)
    • PCA lineal
    • Kernel PCA
    • PCA probabilístico
    • CA independiente
  • Regresión de componentes principales (PCR)
  • Análisis Factorial
  • Análisis de correlación canónica
  • Escalado multidimensional

Agrupamiento

(Paquete de agrupación)

  • K-medias
  • K-medoides
  • DBSCAN
  • Agrupación jerárquica
  • Algoritmo de clúster de Markov
  • Agrupación en clústeres de C-means difusos

Bayesiano  Statistics y probabilístico Programming

(Paquete Turing)

  • Cadena Markov Modelo Carlo
  • Hamiltoniano Montel Carlo
  • Modelos de mezcla gaussiana
  • Regresión lineal bayesiana
  • Regresión familiar exponencial bayesiana
  • Bayesiano Neural Networks
  • Modelos ocultos de Markov
  • Filtrado de partículas
  • Inferencia variacional
     

Requerimientos

Este curso está dirigido a personas que ya tienen experiencia en ciencia de datos y estadística.

 21 Horas

Número de participantes


Precio por Participante​

Testimonios (5)

Próximos cursos

Categorías Relacionadas