Schulungsübersicht

Statistik & Probabilistik Programming in Julia

Grundlegende Statistiken

    Statistics Zusammenfassung Statistics mit dem Statistikpaket
Verteilungen & StatsBase-Paket Univariate & multivariate
  • Momente
  • Wahrscheinlichkeitsfunktionen
  • Probenahme und RNG
  • Histogramme
  • Maximum-Likelihood-Schätzung
  • Produkt, Trukation und zensierte Verteilung
  • Robuste Statistik
  • Korrelation & Kovarianz
  • DataFrames
  • (DataFrames-Paket)

    Daten-E/A Erstellen von Datenrahmen Datentypen, einschließlich kategorischer und fehlender Daten Sortieren und Verbinden Umformen und Pivotieren von Daten

      Hypothesenprüfung

    (Paket HypothesisTests)

    Grundsätzlicher Überblick über Hypothesentests Chi-Quadrat-Test z-Test und t-Test F-Test Exakter Fisher-Test ANOVA Tests auf Normalität Kolmogorow-Smirnow-Test Hotelling's T-Test

      Regression & Überlebensanalyse

    (GLM & Survival-Pakete)

    Grundsätzlicher Überblick über die lineare Regression und die Exponentialfamilie Lineare Regression Verallgemeinerte lineare Modelle Logistische Regression Poisson-Regression Gamma-Regression Andere GLM-Modelle

      Survival-Analyse Ereignisse
    Kaplan-Meier
  • Nelson-Aalen
  • Cox Proportional Hazard
  • Entfernungen
  • (Paket Entfernungen)
  • Was ist eine Entfernung? Euklidisch Stadtblock Kosinus Korrelation Mahalanobis Hamming MAD RMS Mittlere quadratische Abweichung

    Multivariate Statistik

      (MultivariateStats, Lasso, & Löß-Pakete)

    Ridge-Regression Lasso-Regression Löss Lineare Diskriminanzanalyse Hauptkomponentenanalyse (PCA) Lineare PCA Kernel PCA Probabilistische PCA Unabhängige CA

    Hauptkomponenten-Regression (PCR)

      Faktorenanalyse
    Kanonische Korrelationsanalyse
  • Multidimensionale Skalierung
  • Clustering
  • (Clustering-Paket)
  • K-means K-medoids DBSCAN Hierarchisches Clustering Markov-Cluster-Algorithmus Fuzzy C-means Clustering
  • Bayessche  Statistics & Probabilistische Programmierung

    (Turing-Paket)

      Markov-Ketten-Modell-Carlo Hamiltonscher Montel-Carlo Gaußsche Mischungsmodelle Bayes'sche lineare Regression Bayes'sche Exponentialfamilienregression Bayesianisch Neural Networks Versteckte Markov-Modelle Partikel-Filterung Variationale Inferenz  

    Voraussetzungen

    Dieser Kurs richtet sich an Personen, die bereits einen Hintergrund in Datenwissenschaft und Statistik haben.

     

     21 Stunden

    Teilnehmerzahl



    Preis je Teilnehmer

    Erfahrungsberichte (8)

    Kombinierte Kurse

    Verwandte Kategorien