Kerangka Materi

Statistics & Probabilistik Programming dalam Julia

Statistika dasar

  • Statistics
    • Ringkasan Statistics dengan paket statistik
  • Distribusi & Paket StatsBase
    • Univariate dan multivariate
    • Moment
    • Fungsi probabilitas
    • Pengambilan sampel dan RNG
    • Histogram
    • Estimasi maksimum likelihood
    • Distribusi produk, trunksi, dan terpotong
    • Statistik robust
    • Korelasi & kovarians

DataFrames

(Paket DataFrames)

  • Input/output data
  • Membuat Data Frames
  • Tipe data, termasuk kategorikal dan data yang hilang
  • Mengurutkan & bergabung
  • Merubah bentuk & pivot data

Uji hipotesis

(Paket HypothesisTests)

  • Kerangka dasar uji hipotesis
  • Uji Chi-Squared
  • z-test dan t-test
  • F-test
  • Fisher exact test
  • ANOVA
  • Uji normalitas
  • Kolmogorov-Smirnov test
  • Hotelling's T-test

Regresi & analisis survival

(Paket GLM & Survival)

  • Kerangka dasar regresi linear dan keluarga eksponensial
  • Regresi linear
  • Model linier tergeneralisasi
    • Regresi logistik
    • Regresi Poisson
    • Regresi Gamma
    • Model GLM lainnya
  • Analisis survival
    • Peristiwa
    • Kaplan-Meier
    • Nelson-Aalen
    • Cox Proportional Hazard

Jarak

(Paket Distances)

  • Apa itu jarak?
  • Euklid
  • Cityblock
  • Cosine
  • Korelasi
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Rata-rata kuadrat deviasi

Statistik multivariat

(Paket MultivariateStats, Lasso, & Loess)

  • Regresi ridge
  • Regresi lasso
  • Loess
  • Analisis diskriminan linear
  • Analisis Komponen Utama (PCA)
    • Linear PCA
    • Kernel PCA
    • Probabilistik PCA
    • Independen CA
  • Regresi Komponen Utama (PCR)
  • Analisis faktor
  • Korelasi Kanonikal
  • Skala multidimensi

Pengelompokan

(Paket Clustering)

  • K-means
  • K-medoids
  • DBSCAN
  • Pengelompokan hierarkis
  • Algoritma Clustering Markov
  • Fuzzy C-means clustering

Bayesian  Statistics & Probabilistik Programming

(Paket Turing)

  • Model Markov Chain Monte Carlo
  • Hamiltonian Monte Carlo
  • Model Campuran Gaussian
  • Regresi Linear Bayesian
  • Regresi Keluarga Eksponensial Bayesian
  • Bayesian Neural Networks
  • Model Hidup Markov
  • Filtrasi Partikel
  • Inferensi Variasional
     

Persyaratan

Kursus ini ditujukan untuk orang yang sudah memiliki latar belakang dalam ilmu data dan statistik.

 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait