This course for practicing and aspiring data scientists and statisticians. It is the fourth of a four-course sequence introducing the fundamentals of Bayesian statistics. It builds on the course Bayesian Statistics: From Concept to Data Analysis, Techniques and Models, and Mixture models.
von
Spezialisierung Bayessche StatistikUniversity of California, Santa CruzÃœber diesen Kurs
9.065 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100Â % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 5 in
Stufe „Mittel“
Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.
Ca. 22 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Kompetenzen, die Sie erwerben
- Bayesian Statistics
- Forecasting
- Dynamic Linear Modeling
- Time Series
- R Programming
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100Â % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 5 in
Stufe „Mittel“
Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.
Ca. 22 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
University of California, Santa Cruz
UC Santa Cruz is an outstanding public research university with a deep commitment to undergraduate education. It’s a place that connects people and programs in unexpected ways while providing unparalleled opportunities for students to learn through hands-on experience.
Lehrplan - Was Sie in diesem Kurs lernen werden
6 Stunden zum Abschließen
Week 1: Introduction to time series and the AR(1) process
This module defines stationary time series processes, the autocorrelation function and the autoregressive process of order one or AR(1). Parameter estimation via maximum likelihood and Bayesian inference in the AR(1) are also discussed.
6 Stunden zum Abschließen
9 Videos (Gesamt 94 min), 12 Lektüren, 5 Quiz
5 Stunden zum Abschließen
Week 2: The AR(p) process
This module extends the concepts learned in Week 1 about the AR(1) process to the general case of the AR(p). Maximum likelihood estimation and Bayesian posterior inference in the AR(p) are discussed.
5 Stunden zum Abschließen
9 Videos (Gesamt 96 min), 8 Lektüren, 3 Quiz
5 Stunden zum Abschließen
Week 3: Normal dynamic linear models, Part I
Normal Dynamic Linear Models (NDLMs) are defined and illustrated in this module using several examples. Model building based on the forecast function via the superposition principle is explained. Methods for Bayesian filtering, smoothing and forecasting for NDLMs in the case of known observational variances and known system covariance matrices are discussed and illustrated.
5 Stunden zum Abschließen
10 Videos (Gesamt 114 min), 7 Lektüren, 3 Quiz
4 Stunden zum Abschließen
Week 4: Normal dynamic linear models, Part II
4 Stunden zum Abschließen
7 Videos (Gesamt 103 min), 4 Lektüren, 3 Quiz
Ãœber den Spezialisierung Bayessche Statistik
This Specialization is intended for all learners seeking to develop proficiency in statistics, Bayesian statistics, Bayesian inference, R programming, and much more. Through four complete courses (From Concept to Data Analysis; Techniques and Models; Mixture Models; Time Series Analysis) and a culminating project, you will cover Bayesian methods — such as conjugate models, MCMC, mixture models, and dynamic linear modeling — which will provide you with the skills necessary to perform analysis, engage in forecasting, and create statistical models using real-world data.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
