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

3.6
Sterne
14 Bewertungen

Dr. Srijith Rajamohan

von

Spezialisierung Introduction to Computational Statistics for Data ScientistsDatabricks

Über diesen Kurs

2.721 kürzliche Aufrufe

The objective of this course is to introduce PyMC3 for Bayesian Modeling and Inference,  The attendees will start off by learning the the basics of PyMC3 and learn how to perform scalable inference for a variety of problems. This will be the final course in a specialization of three courses .Python and Jupyter notebooks will be used throughout this course to illustrate and perform Bayesian modeling with PyMC3.. 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 instructor for this course will be Dr. Srijith Rajamohan.

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 3 von 3 in

Spezialisierung Introduction to Computational Statistics for Data Scientists

Stufe „Anfänger“

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

2. Course 1 & 2 in this Specialization.

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

1. The PyMC3/ArViz framework for Bayesian modeling and inference
2. Build real-world models using PyMC3 and assess the quality of your models

Kompetenzen, die Sie erwerben

Bayesian Inference
Python Programming
Monte Carlo Method
PyMC3
Scipy

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 3 von 3 in

Spezialisierung Introduction to Computational Statistics for Data Scientists

Stufe „Anfänger“

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

2. Course 1 & 2 in this Specialization.

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dr. Srijith Rajamohan

Sr. Developer Advocate (Data Science)

4.230 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

Woche

Woche 1

2 Stunden zum Abschließen

Introduction to PyMC3 - Part 1

This module serves as an introduction to the PyMC3 framework for probabilistic programming. It introduces some of the concepts related to modeling and the PyMC3 syntax. The visualization library ArViz, that is integrated into PyMC3, will also be introduced. The course website is https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html. Instructions to download and run the notebooks are at https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

2 Stunden zum Abschließen

12 Videos (Gesamt 48 min), 3 Lektüren, 1 Quiz

12 Videos

Welcome to Course 3!46

Probabilistic Programming with PyMC35m

An introduction to PyMC3 5m

Inference with PyMC34m

Composition of Distributions1m

HPD, HDI and ROPE4m

Credible and Confidence Intervals3m

Modeling with a Gaussian Distribution6m

Posterior Predictive Checks3m

Robust Models3m

Hierarchical Models6m

Shrinkage in Hierarchical Models4m

3 Lektüren

What can you expect from this course/specialization?10m

Probabilistic Programming Frameworks30m

Plate Notation30m

1 praktische Übung

PyMC3 - I30m

Woche

Woche 2

1 Stunde zum Abschließen

Introduction to PyMC3 - Part 2

This module will teach the basics of using PyMC3 to solve regression and classification problems using PyMC3. It will also show how to deal with outliers in your data and create hierarchical models. Finally, a case study is presented to help apply everything that was learned in Module 1 and 2. The course website ishttps://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#linear-regression-again. Instructions to download and run the notebooks are at https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

1 Stunde zum Abschließen

14 Videos (Gesamt 47 min)

14 Videos

Linear Regression3m

Mean-centering for Linear Regression2m

Robust Linear Regression2m

Hierarchical Linear Regression5m

Polynomial Linear Regression3m

Multiple Linear Regression2m

Logistic Regression2m

Logistic Regression with PyMC36m

Decision Boundary for Classification1m

Multiple Logistic Regression2m

Multiclass Logistic Regression2m

Case Study with PyMC3 - I2m

Case Study with PyMC3 - II5m

Case Study with PyMC3 - III2m

1 praktische Übung

PyMC3 - II30m

Woche

Woche 3

5 Stunden zum Abschließen

Metrics in PyMC3

This module introduces various measures and metrics to assess the quality of the solutions inferred using PyMC3. Hands-on examples are used to illustrate how various methods and visualizations can be used in PyMC3. Finally, a brief overview of how to debug PyMC3 algorithms is provided. The course website ishttps://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#mcmc-metrics. Instructions to download and run the notebooks are at https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

5 Stunden zum Abschließen

11 Videos (Gesamt 28 min), 3 Lektüren, 1 Quiz

11 Videos

Introduction to Metrics and Tuning2m

Metropolis and HMC2m

Mixing and Potential Scale Reduction Factor1m

Centered and Non-centered Parameterization5m

Assess convergence in PyMC32m

Forest plots for visualization1m

Autocorrelation and Effective Sample Size2m

Monte Carlo error and Divergences3m

Diagnosing issues in PyMC32m

Diagnosing issues in PyMC3 with the multiclass classification problem3m

Debugging in PyMC353

3 Lektüren

Visualization in Bayesian Workflow1h 30m

Tuning1h

Improved Rhat1h 30m

1 praktische Übung

PyMC3 - III30m

Woche

Woche 4

3 Stunden zum Abschließen

Modeling of COVID-19 cases using PyMC3

3 Stunden zum Abschließen

Bewertungen

3.6

6 Bewertungen

5 stars
35,71 %
4 stars
28,57 %
3 stars
14,28 %
2 stars
7,14 %
1 star
14,28 %

Top-Bewertungen von INTRODUCTION TO PYMC3 FOR BAYESIAN MODELING AND INFERENCE

von GM14. Sep. 2022

Great capstone providing useful practice and tools for applying the concepts.

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 PyMC3 for Bayesian Modeling and Inference

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben