課程簡介

Statistics & 概率 Programming 在 Julia 中

基本統計數據

  • Statistics
    • 帶有 statistics 包的摘要 Statistics
  • 發行版和StatsBase包
    • 單變數和多變數
    • 時刻
    • 概率函數
    • 採樣和 RNG
    • 直方圖
    • 最大似然估計
    • 產品、結構和刪失分佈
    • 強大的統計數據
    • 相關性和協方差

數據幀

(DataFrames 包)

  • 數據 I/O
  • 創建資料幀
  • 數據類型,包括分類數據和缺失數據
  • 排序和加入
  • 重塑和旋轉數據

假設檢驗

(HypothesisTests 包)

  • 假設檢驗的原則概要
  • 卡方檢驗
  • Z 檢驗和 t 檢驗
  • F 檢驗
  • Fisher 精確檢驗
  • 方差分析
  • 正態性檢驗
  • Kolmogorov-Smirnov 檢驗
  • Hotelling 的 T 檢驗

回歸和生存分析

(GLM & 生存套餐)

  • 線性回歸和指數族的原理概述
  • 線性回歸
  • 廣義線性模型
    • Logistic 回歸
    • 泊松回歸
    • Gamma 回歸
    • 其他 GLM 型號
  • 生存分析
    • 事件
    • 卡普蘭-邁爾
    • 納爾遜-阿倫
    • Cox 比例風險

距離

(距離包)

  • 什麼是距離?
  • 歐氏
  • 城市街區
  • 餘弦
  • 相關
  • 馬哈拉諾比斯
  • 漢明
  • RMS
  • 均方差

多變數統計量

(MultivariateStats, Lasso, & Loess包)

  • 嶺回歸
  • 套索回歸
  • 黃土
  • 線性判別分析
  • 主成分分析 (PCA)
    • 線性 PCA
    • 內核 PCA
    • 概率 PCA
    • 獨立 CA
  • 主成分回歸 (PCR)
  • 因數分析
  • 典型相關性分析
  • 多維縮放

聚類

(集群包)

  • K 均值
  • K 型中心管
  • DBSCAN 資料庫
  • 分層聚類
  • 瑪律可夫聚類演算法
  • 模糊 C 均值聚類分析

貝葉斯  Statistics & 概率 Programming

(圖靈包)

  • 瑪律可夫鏈模型 Carlo
  • 哈密頓蒙特卡洛
  • 高斯混合模型
  • 貝葉斯線性回歸
  • 貝葉斯指數族回歸
  • 貝葉斯 Neural Networks
  • 隱瑪律可夫模型
  • 粒子過濾
  • 變分推理
     

最低要求

本課程適用於已經具有數據科學和統計學背景的人。

 21 時間:

人數


每位參與者的報價

客戶評論 (5)

Provisional Upcoming Courses (Require 5+ participants)

課程分類