Informações sobre o curso

3.442 visualizações recentes
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível iniciante

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

2. Course 1 in this Specialization.

Aprox. 15 horas para completar
Inglês

O que você vai aprender

  • 1. Markov Chain Monte Carlo algorithms

    2. Implementing the above in Python

    3. Assess the performance of Bayesian models

Habilidades que você terá

  • Bayesian
  • Scipy
  • Scikit-Learn
  • MCMC
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível iniciante

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

2. Course 1 in this Specialization.

Aprox. 15 horas para completar
Inglês

oferecido por

Placeholder

Databricks

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

5 horas para concluir

Topics in Model Performance

5 horas para concluir
13 vídeos (Total 31 mín.), 5 leituras, 1 teste
Semana
2

Semana 2

5 horas para concluir

The Metropolis Algorithms for MCMC

5 horas para concluir
8 vídeos (Total 29 mín.), 1 leitura, 1 teste
Semana
3

Semana 3

4 horas para concluir

Gibbs Sampling and Hamiltonian Monte Carlo Algorithms

4 horas para concluir
7 vídeos (Total 28 mín.), 2 leituras, 1 teste

Sobre Programa de cursos integrados Introduction to Computational Statistics for Data Scientists

Introduction to Computational Statistics for Data Scientists

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao estudante.