Dieser Kurs ist Teil der Spezialisierung Spezialisierung Introduction to Computational Statistics for Data Scientists

3.5
Sterne
31 Bewertungen

Dr. Srijith Rajamohan

3.131 bereits angemeldet

von

Spezialisierung Introduction to Computational Statistics for Data ScientistsDatabricks

Über diesen Kurs

3.781 kürzliche Aufrufe

The objective of this course is to introduce Computational Statistics to aspiring or new data scientists. The attendees will start off by learning the basics of probability, Bayesian modeling and inference. This will be the first course in a specialization of three courses .Python and Jupyter notebooks will be used throughout this course to illustrate and perform Bayesian modeling. The course website is located at https://sjster.github.io/introduction_to_computational_statistics/docs/index.html. The course notebooks can be downloaded from this website by following the instructions on page https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html.
The instructors for this course will be Dr. Srijith Rajamohan and Dr. Robert Settlage.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 3 in

Spezialisierung Introduction to Computational Statistics for Data Scientists

Stufe „Anfänger“

Some experience with Data Science using the PyData Stack of NumPy, SciPy, Pandas, Scikit-learn.

Knowledge of Jupyter Notebooks will be beneficial.

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Was Sie lernen werden

The basics of Probability, Bayesian statistics, modeling and inference.
You will also get a hands-on introduction to using Python for computational statistics using Scikit-learn, SciPy and Numpy.

Kompetenzen, die Sie erwerben

Bayesian Inference
visualization
Python Programming
Scipy
Statistics

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 3 in

Spezialisierung Introduction to Computational Statistics for Data Scientists

Stufe „Anfänger“

Some experience with Data Science using the PyData Stack of NumPy, SciPy, Pandas, Scikit-learn.

Knowledge of Jupyter Notebooks will be beneficial.

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dozentenbewertung

3,23/5 (14 Bewertungen)

Dr. Srijith Rajamohan

Sr. Developer Advocate (Data Science)

4.413 Lernende

3 Kurse

von

Databricks

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

21 Minuten zum Abschließen

Environment Setup

21 Minuten zum Abschließen

4 Videos (Gesamt 11 min), 1 Lektüre

Woche2

Woche 2

6 Stunden zum Abschließen

Introduction to the Fundamentals of Probability

6 Stunden zum Abschließen

17 Videos (Gesamt 119 min), 7 Lektüren, 12 Quiz

17 Videos

Introductions1mChance regularities and random processes6mOutcomes, events and spaces8mAddition rules of probability6mMultiplication rules of probability5mConditional probability, Random Variables and Experiments8mRandom Variables and Distributions12mMoments, mean and variance10mJoint distributions of Random Variables5mEstimation using MoM and MLE9mBasics of Bayes' Rule7mDecisions and Loss Functions11mPriors introduction5mPriors as conjugates2mInformative vs non-informative priors3mJeffrey's Prior2mPrior distributions and posterior ramifications12m

7 Lektüren

Introduction and references2mRules for manipulating probability10mRandom variables10mMoM and MLE10mBayes' and decisions10mLoss functions10mMore on priors10m

12 praktische Übungen

Week 2 Belief and Probability Practice10mWeek 2 Belief and Probability Graded Quiz10mWeek 2 Manipulating Probability Practice10mWeek 2 Manipulating Probability Graded Quiz20mWeek 2 Distributions Practice5mWeek 2 Distributions Graded Quiz10mWeek 2 Estimation Practice10mWeek 2 Estimation Graded Quiz30mWeek 2 Decisions Practice10mWeek 2 Decisions Graded Quiz30mWeek 2 Priors Practice10mWeek 2 Priors Graded Quiz10m

Woche3

Woche 3

4 Stunden zum Abschließen

A Hands-On Introduction to Common Distributions

4 Stunden zum Abschließen

12 Videos (Gesamt 49 min), 2 Lektüren, 2 Quiz

12 Videos

The Binomial Distribution5mNegative Binomial Distribution4mPoisson Distribution3mExponential Distribution2mGamma Distribution3mNormal Distribution3mLognormal Distribution2mStudent's t-distribution5mBeta Distribution4mMLE Estimation using a Beta Distribution 4mGaussian Mixture Model5mNon-parametric Methods: Kernel Density Estimation3m

2 Lektüren

Reference1hReference1h

2 praktische Übungen

Common distributions30mNon-parametric methods20m

Woche4

Woche 4

3 Stunden zum Abschließen

Sampling Algorithms

3 Stunden zum Abschließen

6 Videos (Gesamt 32 min), 2 Lektüren, 3 Quiz

Bewertungen

3.5

13 Bewertungen

5 stars
38,70 %
4 stars
12,90 %
3 stars
25,80 %
2 stars
9,67 %
1 star
12,90 %

Top-Bewertungen von INTRODUCTION TO BAYESIAN STATISTICS

von MG13. Aug. 2021

This course would be a bit hard for "complete" beginners, but would be enough for people who wish to refresh knowledge about Bayesian inference and stuff. The notes and codes are very good!!

von TS25. Feb. 2022

Content/notes wise this course is great, But teaching style needs to be improved. Rather than reading the notes instructor should teach by giving examples and driving some of the results.

Alle Bewertungen anzeigen

Über den Spezialisierung Introduction to Computational Statistics for Data Scientists

The purpose of this series of courses is to teach the basics of Computational Statistics for the purpose of performing inference to aspiring or new Data Scientists. This is not intended to be a comprehensive course that teaches the basics of statistics and probability nor does it cover Frequentist statistical techniques based on the Null Hypothesis Significance Testing (NHST). What it does cover is:

The basics of Bayesian statistics and probability Understanding Bayesian inference and how it works The bare-minimum set of tools and a body of knowledge required to perform Bayesian inference in Python, i.e. the PyData stack of NumPy, Pandas, Scipy, Matplotlib, Seaborn and Plot.ly A scalable Python-based framework for performing Bayesian inference, i.e. PyMC3 With this goal in mind, the content is divided into the following three main sections (courses). Introduction to Bayesian Statistics - The attendees will start off by learning the the basics of probability, Bayesian modeling and inference in Course 1. Introduction to Monte Carlo Methods - This will be followed by a series of lectures on how to perform inference approximately when exact calculations are not viable in Course 2. PyMC3 for Bayesian Modeling and Inference - PyMC3 will be introduced along with its application to some real world scenarios. The lectures will be delivered through Jupyter notebooks and the attendees are expected to interact with the notebooks.

Introduction to Computational Statistics for Data Scientists

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Introduction to Bayesian Statistics

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben