Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Estadística y programación probabilística en Julia
Estadística básica
-
Estadística
- Estadísticas resumidas con el paquete statistics
-
Distribuciones y paquete StatsBase
- Univariada y multivariada
- Momentos
- Funciones de probabilidad
- Muestreo y generación de números aleatorios (RNG)
- Histogramas
- Estimación de máxima verosimilitud
- Distribuciones truncadas y censuradas
- Estadística robusta
- Correlación y covarianza
DataFrames
(Paquete DataFrames)
- Entrada y salida de datos (I/O)
- Creación de marcos de datos
- Tipos de datos, incluyendo datos categóricos y faltantes
- Ordenamiento y unión de datos
- Reestructuración y pivotado de datos
Pruebas de hipótesis
(Paquete HypothesisTests)
- Principios fundamentales de las pruebas de hipótesis
- Prueba de chi-cuadrada
- 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 Survival)
- Principios fundamentales de la regresión lineal y la familia exponencial
- Regresión lineal
-
Modelos lineales generalizados
- Regresión logística
- Regresión de Poisson
- Regresión gamma
- Otros modelos de regresión lineal generalizada
-
Análisis de supervivencia
- Eventos
- Kaplan-Meier
- Nelson-Aalen
- Riesgo proporcional de Cox
Distancias
(Paquete Distances)
- ¿Qué es una distancia?
- Euclidiana
- Distancia de Manhattan (Cityblock)
- Coseno
- Correlación
- Mahalanobis
- Hamming
- MAD (Desviación media absoluta)
- RMS (Cuadrado medio de la raíz)
- Desviación cuadrática media
Estadística multivariada
(Paquetes MultivariateStats, Lasso y Loess)
- Regresión Ridge
- Regresión Lasso
- Loess
- Análisis discriminante lineal
-
Análisis de componentes principales (PCA)
- PCA lineal
- PCA mediante kernels
- PCA probabilístico
- Análisis de componentes independientes
- Regresión por componentes principales (PCR)
- Análisis factorial
- Análisis de correlación canónica
- Escalamiento multidimensional
Agrupamiento (Clustering)
(Paquete Clustering)
- K-means
- K-medoids
- DBSCAN
- Agrupamiento jerárquico
- Algoritmo de agrupamiento de Markov
- Agrupamiento difuso C-means
Estadística bayesiana y programación probabilística
(Paquete Turing)
- Cadena de Markov Monte Carlo (MCMC)
- Monte Carlo Hamiltoniano
- Modelos de mezcla gaussiana
- Regresión lineal bayesiana
- Regresión de familia exponencial bayesiana
- Redes neuronales bayesianas
- Modelos ocultos de Markov
- Filtrado de partículas
-
Inferencia variacional
Requerimientos
Este curso está destinado a personas que ya cuentan con conocimientos previos en ciencia de datos y estadística.
21 Horas
Testimonios (3)
conocimiento del formador, personalizado, todos los temas cubiertos
eleni - EUAA
Curso - Forecasting with R
Traducción Automática
La variación con ejercicio y demostración.
Ida Sjoberg - Swedish National Debt Office
Curso - Econometrics: Eviews and Risk Simulator
Traducción Automática
Las aplicaciones de la vida real utilizando Statcan y CER como ejemplos.
Matthew - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática