Schulungsübersicht
Statistik & Wahrscheinlichkeitsprogrammierung in Julia
Grundlagen der Statistik
-
Statistik
- Zusammenfassende Statistiken mit dem Statistics-Paket
-
Verteilungen & StatsBase-Paket
- Univariate & multivariate
- Momente
- Wahrscheinlichkeitsfunktionen
- Stichprobenziehung und Zufallszahlengenerator (RNG)
- Histogramme
- Maximum-Likelihood-Schätzung
- Produkt-, Trunkations- und zensierte Verteilungen
- Robuste Statistik
- Korrelation & Kovarianz
DataFrames
(DataFrames-Paket)
- Daten I/O
- Erstellen von Data Frames
- Datentypen, einschließlich kategorialer und fehlender Daten
- Sortieren & Verkettung
- Umformen & Pivotieren von Daten
Hypothesentests
(HypothesisTests-Paket)
- Grundprinzipien des Hypothesentests
- Chi-Quadrat-Test
- z-Test und t-Test
- F-Test
- Fisher-Exakter Test
- ANOVA
- Tests auf Normalverteilung
- Kolmogorov-Smirnov-Test
- Hotelling's T-Test
Regression & Überlebensanalyse
(GLM & Survival-Pakete)
- Grundprinzipien der linearen Regression und der Exponentialfamilie
- Lineare Regression
-
Generalisierte lineare Modelle
- Logistische Regression
- Poisson-Regression
- Gamma-Regression
- Andere GLM-Modelle
-
Überlebensanalyse
- Ereignisse
- Kaplan-Meier
- Nelson-Aalen
- Cox Proportional Hazard
Distanzen
(Distances-Paket)
- Was ist eine Distanz?
- Euklidisch
- Cityblock
- Kosinus
- Korrelation
- Mahalanobis
- Hamming
- MAD
- RMS
- Mittlere quadratische Abweichung
Multivariate Statistik
(MultivariateStats, Lasso & Loess-Pakete)
- Ridge-Regression
- Lasso-Regression
- Loess
- Lineare Diskriminanzanalyse
-
Hauptkomponentenanalyse (PCA)
- Lineare PCA
- Kern-PCA
- Wahrscheinlichkeitstheoretische PCA
- Unabhängige CA
- Hauptkomponentenregression (PCR)
- Faktorenanalyse
- Kanonische Korrelationsanalyse
- Multidimensionale Skalierung
Clustering
(Clustering-Paket)
- K-Means
- K-Medoids
- DBSCAN
- Hierarchische Clustering
- Markov-Cluster-Algorithmus
- Fuzzy C-Means-Clustering
Bayes'sche Statistik & Wahrscheinlichkeitsprogrammierung
(Turing-Paket)
- Markov-Ketten-Monte-Carlo (MCMC)
- Hamiltonian Monte Carlo
- Gaußsche Mischungsmodelle
- Bayes'sche lineare Regression
- Bayes'sche Exponentialfamilienregression
- Bayes'sche neuronale Netze
- Hidden Markov Modelle
- Partikel-Filterung
-
Variationsinference
Voraussetzungen
Dieser Kurs richtet sich an Personen, die bereits eine Grundlage in Data Science und Statistik haben.
Erfahrungsberichte (5)
Die Variation mit Übung und Vorführung.
Ida Sjoberg - Swedish National Debt Office
Kurs - Econometrics: Eviews and Risk Simulator
Maschinelle Übersetzung
Der Trainer hatte Geduld und war darauf bedacht, dass wir alle die Themen verstehen. Die Kurse waren unterhaltsam und es machte Spaß daran teilzunehmen.
Mamonyane Taoana - Road Safety Department
Kurs - Statistical Analysis using SPSS
Maschinelle Übersetzung
Tag 1 und Tag 2 waren für mich wirklich geradlinig und ich habe diese Erfahrung sehr genossen.
Mareca Sithole - Africa Health Research Institute
Kurs - R Fundamentals
Maschinelle Übersetzung
Ich habe die praktischen Übungen wirklich genossen.
Yunfa Zhu - Environmental and Climate Change Canada
Kurs - Foundation R
Maschinelle Übersetzung
Das Tempo war gerade richtig und die entspannte Atmosphäre ermöglichte es den Kandidaten, sich wohl zu fühlen und Fragen zu stellen.
Rhian Hughes - Public Health Wales NHS Trust
Kurs - Introduction to Data Visualization with Tidyverse and R
Maschinelle Übersetzung
