課程簡介

Julia中的統計與概率編程

基礎統計

  • 統計
    • 使用statistics包進行彙總統計
  • 分佈與StatsBase包
    • 單變量與多變量
    • 概率函數
    • 抽樣與隨機數生成
    • 直方圖
    • 最大似然估計
    • 乘積、截斷與截尾分佈
    • 穩健統計
    • 相關性與協方差

DataFrames

(DataFrames包)

  • 數據輸入/輸出
  • 創建數據框
  • 數據類型,包括分類數據與缺失數據
  • 排序與連接
  • 數據重塑與透視

假設檢驗

(HypothesisTests包)

  • 假設檢驗的基本原理
  • 卡方檢驗
  • z檢驗與t檢驗
  • F檢驗
  • 費舍爾精確檢驗
  • 方差分析
  • 正態性檢驗
  • 柯爾莫哥洛夫-斯米爾諾夫檢驗
  • 霍特林T檢驗

迴歸與生存分析

(GLM與Survival包)

  • 線性迴歸與指數族的基本原理
  • 線性迴歸
  • 廣義線性模型
    • 邏輯迴歸
    • 泊松迴歸
    • 伽馬迴歸
    • 其他GLM模型
  • 生存分析
    • 事件
    • 卡普蘭-邁耶
    • 尼爾森-阿倫
    • 考克斯比例風險模型

距離

(Distances包)

  • 什麼是距離?
  • 歐幾里得距離
  • 城市街區距離
  • 餘弦距離
  • 相關距離
  • 馬氏距離
  • 漢明距離
  • 平均絕對偏差
  • 均方根誤差
  • 均方偏差

多元統計

(MultivariateStats, Lasso, 與Loess包)

  • 嶺迴歸
  • Lasso迴歸
  • Loess迴歸
  • 線性判別分析
  • 主成分分析(PCA)
    • 線性PCA
    • 核PCA
    • 概率PCA
    • 獨立成分分析
  • 主成分迴歸(PCR)
  • 因子分析
  • 典型相關分析
  • 多維尺度分析

聚類

(Clustering包)

  • K均值
  • K中心點
  • DBSCAN
  • 層次聚類
  • 馬爾可夫聚類算法
  • 模糊C均值聚類

貝葉斯統計與概率編程

(Turing包)

  • 馬爾可夫鏈蒙特卡羅
  • 哈密頓蒙特卡羅
  • 高斯混合模型
  • 貝葉斯線性迴歸
  • 貝葉斯指數族迴歸
  • 貝葉斯神經網絡
  • 隱馬爾可夫模型
  • 粒子濾波
  • 變分推斷

最低要求

本課程適合已有數據科學和統計學背景的學員。

 21 小時

人數


每位參與者的報價

客戶評論 (5)

即將到來的課程

課程分類