Online cursus – gecertificeerde professionele specialisatie in computationele visie op statistiek voor Google-datawetenschappers, Databricks

Een praktisch begrip van de methoden en hulpmiddelen voor het op schaal produceren van Bayesiaanse gevolgtrekkingen met PyMC3.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Online cursus - gecertificeerde professionele specialisatie in computationele visie op statistiek voor Google-datawetenschappers, Databricks

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • De basisprincipes van Hessische statistiek en waarschijnlijkheid
  • Hayasiaanse gevolgtrekking begrijpen en hoe het werkt
  • Vereiste kennis om Hessische gevolgtrekking uit te voeren in Python: NumPy, Pandas, Scipy, Matplotlib, Seaborn, Plot.ly
  • Een geavanceerd Python-framework voor het uitvoeren van Heasian-inferentie: PyMC3
  • Het maken van gevolgtrekkingen wanneer exacte berekeningen niet mogelijk zijn met behulp van Monte Carlo-methodologieën
  • PyMC3 toepassen op problemen uit het echte leven
  • Implementatie van distributies in Python en hun statische en interactieve visualisatie
  • Monte Carlo-bemonsteringsalgoritmen toepassen in Python
  • Leer de basisprincipes van PyMC3 voor verschillende Heasian-modellen
  • PyMC3 gebruiken om de dynamiek van de ziekte van COVID-19 te simuleren en parameters van het SIR-model af te leiden uit echte gegevens

What you will learn in the course

Courses for which the course is suitable

  • data wetenschapper
  • Data-analist
  • Python-programmeur
  • statisticus
  • Onderzoeker op het gebied van statistiek
  • Expert in computationele statistiek
  • Ontwikkelt statistische modellen
  • Medische data-analist
  • Ontwikkel algoritmen voor bemonstering
  • Een expert in Hesiasiaanse modellen

Stage – een 3-delige cursusreeks

Het doel van de cursusreeks is om de grondbeginselen van computationele statistiek aan te leren, zodat er conclusies kunnen worden getrokken aan studenten of nieuwe datawetenschappers. De cursussen behandelen niet de basisprincipes van statistiek en waarschijnlijkheid, en behandelen ook geen frequentistische statistische technieken.

Onderwerpen die aan bod komen:

  • De basisprincipes van Hessische statistiek en waarschijnlijkheid
  • Hayasiaanse gevolgtrekking begrijpen en hoe het werkt
  • Een minimale set tools en kennis die nodig is om Heasian-inferentie in Python uit te voeren:
    • NumPy
    • Panda’s
    • Scipy
    • Matplotlib
    • Zeegeboren
    • Plot.ly
  • Een geavanceerd Python-framework voor het uitvoeren van Heasian-inferentie: PyMC3

Cursusinhoud:

  • Inleiding tot de Hessische statistiek: basisprincipes van waarschijnlijkheid, Hessische modellen en gevolgtrekking.
  • Inleiding tot Monte Carlo-methodologieën: lezingen over het maken van gevolgtrekkingen wanneer exacte berekeningen niet mogelijk zijn.
  • PyMC3 voor Heasian-modellering en gevolgtrekking: PyMC3 toepassen op problemen uit het echte leven.

Praktisch leerproject:

  • Implementatie van distributies in Python en hun statische visualisatie met Matplotlib of Seaborn en interactief met Plot.ly.
  • Monte Carlo-bemonsteringsalgoritmen toepassen in Python.
  • Het leren van de PyMC3-basisprincipes voor verschillende Heasian-modellen, waaronder lineaire regressie, hiërarchische regressie, classificatie, robuuste modellen en beoordeling van de modelkwaliteit.
  • PyMC3 gebruiken om de dynamiek van de ziekte van COVID-19 te simuleren en parameters van het SIR-model af te leiden uit echte gegevens.

Details of the courses that make up the specialization

Inleiding tot de Bayesiaanse statistiek

Cursus 1

Duur: 12 uur

Beoordeling: 4,0 (62 beoordelingen)

Cursusgegevens:

  • Basisbeginselen van waarschijnlijkheid, Bayesiaanse statistiek, modellen en gevolgtrekkingen.
  • Praktische training in het gebruik van Python voor computationele statistieken met Scikit-learn, SciPy en Numpy.

Vaardigheden die je verwerft:

  • Scipy
  • statistieken
  • Python-programmering
  • Bayesiaanse gevolgtrekking
  • beeldvorming

Bayesiaanse gevolgtrekking met MCMC

Cursus 2

Duur: 14 uur

Beoordeling: 3,3 (20 beoordelingen)

Cursusgegevens:

  • Markov-keten Monte Carlo-algoritmen.
  • Python-implementatie van hierboven.
  • Evaluatie van de prestaties van Bayesiaanse modellen.

Vaardigheden die je verwerft:

  • Bayesiaans
  • Scipy
  • Scikit-Leer
  • MCMC

Een inleiding tot PyMC3 voor Bayesiaanse modellering en gevolgtrekking

Cursus 3

Duur: 11 uur

Beoordeling: 3,9 (20 beoordelingen)

Cursusgegevens:

  • Het PyMC3/ArViz-framework voor Bayesiaanse modellering en gevolgtrekking.
  • Bouw modellen uit de echte wereld met PyMC3 en evalueer de kwaliteit van uw modellen.

Vaardigheden die je verwerft:

  • PyMC3
  • Scipy
  • Monte Carlo-methode
  • Python-programmering
  • Bayesiaanse gevolgtrekking

Gerelateerde producten