Programa do Curso

Statistics & Probabilística Programming em Julia

Estatísticas básicas

  • Statistics
    • Resumo Statistics com o pacote statistics
  • Distribuições e pacote StatsBase
    • Univariada e multivariada
    • Momentos
    • Funções de probabilidade
    • Amostragem e RNG
    • Histogramas
    • Estimativa de máxima verosimilhança
    • Produto, trucação e distribuição censurada
    • Estatísticas robustas
    • Correlação e covariância

Quadros de dados

(pacote DataFrames)

  • E/S de dados
  • Criação de quadros de dados
  • Tipos de dados, incluindo dados categóricos e em falta
  • Ordenação e junção
  • Reformulação e dinamização de dados

Testes de hipóteses

(pacote HypothesisTests)

  • Principais princípios dos testes de hipóteses
  • Teste do qui-quadrado
  • Teste z e teste t
  • Teste F
  • Teste exato de Fisher
  • ANOVA
  • Testes de normalidade
  • Teste de Kolmogorov-Smirnov
  • Teste T de Hotelling

Regressão e análise de sobrevivência

(pacotes GLM e Survival)

  • Principais princípios da regressão linear e da família exponencial
  • Regressão linear
  • Modelos lineares generalizados
    • Regressão logística
    • Regressão de Poisson
    • Regressão gama
    • Outros modelos GLM
  • Análise de sobrevivência
    • Eventos
    • Kaplan-Meier
    • Nelson-Aalen
    • Risco proporcional de Cox

Distâncias

(Pacote Distâncias)

  • O que é uma distância?
  • Euclidiana
  • Bloco de cidade
  • Cosseno
  • Correlação
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Desvio médio quadrático

Estatísticas multivariadas

(pacotes MultivariateStats, Lasso, & Loess)

  • Regressão Ridge
  • Regressão Lasso
  • Loess
  • Análise discriminante linear
  • Análise de componentes principais (PCA)
    • PCA linear
    • Kernel PCA
    • PCA probabilística
    • ACP independente
  • Regressão de componentes principais (PCR)
  • Análise Fatorial
  • Análise de correlação canónica
  • Escalonamento multidimensional

Agrupamento

(pacote Clustering)

  • K-means
  • K-medoids
  • DBSCAN
  • Agrupamento hierárquico
  • Algoritmo de agrupamento Markov
  • Fuzzy C-means clustering

Bayesiano Statistics e Probabilístico Programming

(pacote Turing)

  • Modelo de cadeia de Markov Carlo
  • Hamiltoniano Montel Carlo
  • Modelos de mistura gaussiana
  • Regressão Linear Bayesiana
  • Regressão Bayesiana da Família Exponencial
  • Bayesiano Neural Networks
  • Modelos de Markov ocultos
  • Filtragem de partículas
  • Inferência Variacional

Requisitos

Este curso destina-se a pessoas que já tenham conhecimentos de ciência de dados e estatística.

 21 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (5)

Próximas Formações Provisórias

Categorias Relacionadas