Schulungsübersicht

Statistics & Probabilistisch Programming in Julia

Grundlegende Statistik

  • Statistics
    • Zusammenfassung Statistics mit dem Statistikpaket
  • Verteilungen & StatsBase-Paket
    • Univariate & multivariate
    • Momente
    • Wahrscheinlichkeitsfunktionen
    • Stichprobenverfahren und RNG
    • Histogramme
    • Maximum-Likelihood-Schätzung
    • Produkt-, Trukations- und Zensurverteilung
    • Robuste Statistik
    • Korrelation und Kovarianz

DataFrames

(DataFrames-Paket)

  • Daten E/A
  • Erstellen von DataFrames
  • Datentypen, einschließlich kategorialer und fehlender Daten
  • Sortieren & Verbinden
  • Umformung und Pivotierung von Daten

Hypothesentests

(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
  • Hotellings T-Test

Regressions- und Überlebensanalyse

(GLM & Überlebenspakete)

  • 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 Proportionale Gefährdung

Abstände

(Paket Distanzen)

  • Was ist ein Abstand?
  • Euklidisch
  • Stadtblock
  • Kosinus
  • Korrelation
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Mittlere quadratische Abweichung

Multivariate Statistik

(Pakete MultivariateStats, Lasso und Loess)

  • Ridge-Regression
  • Lasso-Regression
  • Löss
  • Lineare Diskriminanzanalyse
  • Hauptkomponentenanalyse (PCA)
    • Lineare PCA
    • Kernel PCA
    • Probabilistische PCA
    • Unabhängige CA
  • Hauptkomponenten-Regression (PCR)
  • Faktoranalyse
  • Kanonische Korrelationsanalyse
  • Mehrdimensionale Skalierung

Clustering

(Clustering-Paket)

  • K-means
  • K-medoids
  • DBSCAN
  • Hierarchisches Clustering
  • Markov-Cluster-Algorithmus
  • Fuzzy C-means Clustering

Bayesianisch Statistics & Probabilistisch Programming

(Turing-Paket)

  • Markov-Ketten-Modell Carlo
  • Hamiltonscher Montel Carlo
  • Gaußsche Mischungsmodelle
  • Bayes'sche lineare Regression
  • Bayessche Regression der Exponentialfamilie
  • 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


Price per participant (excl. VAT)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien