Curso online – especialización profesional certificada en visión computacional de estadísticas para científicos de datos de Google, Databricks

Una comprensión práctica de los métodos y herramientas para producir inferencia bayesiana a escala con PyMC3.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Curso online - especialización profesional certificada en visión computacional de estadísticas para científicos de datos de Google, Databricks

Professional Certificate

a partir de

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Los conceptos básicos de la estadística y la probabilidad hesiasianas.
  • Comprender la inferencia hayasiana y cómo funciona
  • Conocimientos necesarios para realizar la inferencia hessiana en Python: NumPy, Pandas, Scipy, Matplotlib, Seaborn, Plot.ly
  • Un marco avanzado de Python para realizar inferencia heasiana: PyMC3
  • Hacer inferencias cuando no es posible realizar cálculos exactos utilizando metodologías de Monte Carlo
  • Aplicar PyMC3 a problemas de la vida real
  • Implementación de distribuciones en Python y su visualización estática e interactiva.
  • Aplicación de algoritmos de muestreo de Monte Carlo en Python
  • Aprendiendo los conceptos básicos de PyMC3 para varios modelos heasianos
  • Usando PyMC3 para simular la dinámica de la enfermedad COVID-19 e inferir parámetros del modelo SIR a partir de datos reales

What you will learn in the course

Courses for which the course is suitable

  • científico de datos
  • analista de datos
  • programador pitón
  • estadístico
  • Investigador en el campo de la estadística.
  • Experto en estadística computacional
  • Desarrolla modelos estadísticos.
  • analista de datos médicos
  • Desarrollar algoritmos para el muestreo.
  • Un experto en modelos hesiasianos

Pasantía: una serie de cursos de 3 partes

El propósito de la serie de cursos es enseñar los fundamentos de la estadística computacional para permitir hacer inferencias a estudiantes o nuevos científicos de datos. Los cursos no cubren los conceptos básicos de estadística y probabilidad y no cubren técnicas estadísticas frecuentistas.

Temas cubiertos:

  • Los conceptos básicos de la estadística y la probabilidad hesiasianas.
  • Comprender la inferencia hayasiana y cómo funciona
  • Un conjunto mínimo de herramientas y conocimientos necesarios para realizar la inferencia heasiana en Python:
    • NumPy
    • pandas
    • picante
    • Matplotlib
    • nacido en el mar
    • Trama.ly
  • Un marco avanzado de Python para realizar inferencia heasiana: PyMC3

Contenido del curso:

  • Introducción a la estadística de Hesse: conceptos básicos de probabilidad, modelos de Hesse e inferencia.
  • Introducción a las metodologías de Monte Carlo: conferencias sobre cómo hacer inferencias cuando no es posible realizar cálculos exactos.
  • PyMC3 para modelado e inferencia heasianos: aplicación de PyMC3 a problemas de la vida real.

Proyecto de aprendizaje práctico:

  • Implementación de distribuciones en Python y su visualización estática usando Matplotlib o Seaborn e interactiva usando Plot.ly.
  • Aplicación de algoritmos de muestreo de Monte Carlo en Python.
  • Aprender los conceptos básicos de PyMC3 para varios modelos heasianos, incluida la regresión lineal, la regresión jerárquica, la clasificación, los modelos robustos y la evaluación de la calidad del modelo.
  • Uso de PyMC3 para simular la dinámica de la enfermedad COVID-19 e inferir parámetros del modelo SIR a partir de datos reales.

Details of the courses that make up the specialization

Introducción a la estadística bayesiana

Curso 1

Duración: 12 horas

Calificación: 4.0 (62 calificaciones)

Detalles del curso:

  • Conceptos básicos de probabilidad, estadística bayesiana, modelos e inferencia.
  • Capacitación práctica en el uso de Python para estadísticas computacionales con Scikit-learn, SciPy y Numpy.

Habilidades que adquirirás:

  • picante
  • estadística
  • Programación en Python
  • inferencia bayesiana
  • imágenes

Inferencia bayesiana con MCMC

Curso 2

Duración: 14 horas

Calificación: 3.3 (20 calificaciones)

Detalles del curso:

  • Algoritmos de Monte Carlo de la cadena de Markov.
  • Implementación de Python de lo anterior.
  • Evaluación del desempeño de modelos bayesianos.

Habilidades que adquirirás:

  • bayesiano
  • picante
  • Scikit-Aprende
  • MCMC

Una introducción a PyMC3 para modelado e inferencia bayesianos

Curso 3

Duración: 11 horas

Calificación: 3.9 (20 calificaciones)

Detalles del curso:

  • El marco PyMC3/ArViz para modelado e inferencia bayesianos.
  • Construya modelos del mundo real utilizando PyMC3 y evalúe la calidad de sus modelos.

Habilidades que adquirirás:

  • PyMC3
  • picante
  • Método Montecarlo
  • Programación en Python
  • inferencia bayesiana

Productos relacionados