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

3.3

Sterne

12 Bewertungen

Dr. Srijith Rajamohan

von

Spezialisierung Introduction to Computational Statistics for Data ScientistsDatabricks

Über diesen Kurs

2.605 kürzliche Aufrufe

The objective of this course is to introduce Markov Chain Monte Carlo Methods for Bayesian modeling and inference,  The attendees will start off by learning the the basics of Monte Carlo methods. This will be augmented by hands-on examples in Python that will be used to illustrate how these algorithms work. This will be the second 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 2 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 in this Specialization.

Ca. 15 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Was Sie lernen werden

1. Markov Chain Monte Carlo algorithms
2. Implementing the above in Python
3. Assess the performance of Bayesian models

Kompetenzen, die Sie erwerben

Bayesian
Scipy
Scikit-Learn
MCMC

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 2 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 in this Specialization.

Ca. 15 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)

3.985 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

5 Stunden zum Abschließen

Topics in Model Performance

This module gives an overview of topics related to assessing the quality of models. While some of these metrics may be familiar to those with a Machine Learning background, the goal is to bring awareness to the concepts rooted in Information Theory. The course website is https://sjster.github.io/introduction_to_computational_statistics/docs/Production/BayesianInference.html. 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

13 Videos (Gesamt 31 min), 5 Lektüren, 1 Quiz

13 Videos

Welcome to Course 2!44

Introduction1m

Underfitting and Overfitting2m

Explained Variance2m

Cross Validation1m

Information Criteria1m

Log-likelihood and Deviance3m

Posterior Predictive Distribution1m

AIC, BIC, DIC and WAIC4m

A qualitative discussion of the various metrics1m

Entropy3m

KL Divergence2m

Model Averaging3m

5 Lektüren

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

Likelihood and its use in Parameter Estimation and Model Comparison1h

Understanding predictive information criteria for Bayesian models2h

Information Theory and Statistics1h

Model Stacking10m

1 praktische Übung

Topics in Model Performance30m

Woche

Woche 2

5 Stunden zum Abschließen

The Metropolis Algorithms for MCMC

This module serves as a gentle introduction to Markov-Chain Monte Carlo methods. The general idea behind Markov chains are presented along with their role in sampling from distributions. The Metropolis and Metropolis-Hastings algorithms are introduced and implemented in Python to help illustrate their details. The course website is https://sjster.github.io/introduction_to_computational_statistics/docs/Production/MonteCarlo.html. 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

8 Videos (Gesamt 29 min), 1 Lektüre, 1 Quiz

Woche

Woche 3

4 Stunden zum Abschließen

Gibbs Sampling and Hamiltonian Monte Carlo Algorithms

This module is a continuation of module 2 and introduces Gibbs sampling and the Hamiltonian Monte Carlo (HMC) algorithms for inferring distributions. The Gibbs sampler algorithm is illustrated in detail, while the HMC receives a more high-level treatment due to the complexity of the algorithm. Finally, some of the properties of MCMC algorithms are presented to set the stage for Course 3 which uses the popular probabilistic framework PyMC3. The course website is https://sjster.github.io/introduction_to_computational_statistics/docs/Production/MonteCarlo.html#gibbs-sampling.

4 Stunden zum Abschließen

7 Videos (Gesamt 28 min), 2 Lektüren, 1 Quiz

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

Bayesian Inference with MCMC

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozent

Dr. Srijith Rajamohan

von

Databricks

Lehrplan - Was Sie in diesem Kurs lernen werden

Topics in Model Performance

The Metropolis Algorithms for MCMC

Gibbs Sampling and Hamiltonian Monte Carlo Algorithms

Über den Spezialisierung Introduction to Computational Statistics for Data Scientists

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Beliebte Kurse und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Bayesian Inference with MCMC

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozent

Dr. Srijith Rajamohan

von

Databricks

Lehrplan - Was Sie in diesem Kurs lernen werden

Topics in Model Performance

The Metropolis Algorithms for MCMC

Gibbs Sampling and Hamiltonian Monte Carlo Algorithms

Über den Spezialisierung Introduction to Computational Statistics for Data Scientists

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Beliebte Kurse und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr