Programa del Curso

Estadística y probabilística 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 HypothesisTests)

    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 Hotel

      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 discriminante lineal 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
  • Programación bayesiana  Statistics y probabilística

    (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


    Comienza

    Termina


    Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.

    Precio por participante

    Testimonios (8)

    Cursos Relacionados

    Categorías Relacionadas