Informações sobre o curso

60,593 visualizações recentes

Resultados de carreira do aprendiz

29%

comecei uma nova carreira após concluir estes cursos

27%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 30 horas para completar
Inglês

Habilidades que você terá

Gibbs SamplingBayesian StatisticsBayesian InferenceR Programming

Resultados de carreira do aprendiz

29%

comecei uma nova carreira após concluir estes cursos

27%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 30 horas para completar
Inglês

Instrutores

oferecido por

Placeholder

Universidade da Califórnia, Santa Cruz

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up94%(2,264 classificações)Info
Semana
1

Semana 1

4 horas para concluir

Statistical modeling and Monte Carlo estimation

4 horas para concluir
11 vídeos (Total 99 mín.), 4 leituras, 4 testes
11 videos
Objectives7min
Modeling process8min
Components of Bayesian models8min
Model specification7min
Posterior derivation9min
Non-conjugate models7min
Monte Carlo integration9min
Monte Carlo error and marginalization6min
Computing examples15min
Computing Monte Carlo error13min
4 leituras
Module 1 assignments and materials3min
Reference: Common probability distributions
Code for Lesson 3
Markov chains20min
4 exercícios práticos
Lesson 120min
Lesson 225min
Lesson 330min
Markov chains20min
Semana
2

Semana 2

5 horas para concluir

Markov chain Monte Carlo (MCMC)

5 horas para concluir
11 vídeos (Total 129 mín.), 7 leituras, 4 testes
11 videos
Demonstration10min
Random walk example, Part 112min
Random walk example, Part 216min
Download, install, setup3min
Model writing, running, and post-processing12min
Multiple parameter sampling and full conditional distributions8min
Conditionally conjugate prior example with Normal likelihood10min
Computing example with Normal likelihood16min
Trace plots, autocorrelation17min
Multiple chains, burn-in, Gelman-Rubin diagnostic8min
7 leituras
Module 2 assignments and materials3min
Code for Lesson 4
Alternative MCMC software10min
Code from JAGS introduction
Code for Lesson 510min
Autocorrelation10min
Code for Lesson 6
4 exercícios práticos
Lesson 420min
Lesson 530min
Lesson 620min
MCMC45min
Semana
3

Semana 3

6 horas para concluir

Common statistical models

6 horas para concluir
11 vídeos (Total 131 mín.), 5 leituras, 5 testes
11 videos
Setup in R9min
JAGS model (linear regression)12min
Model checking17min
Alternative models10min
Deviance information criterion (DIC)4min
Introduction to ANOVA10min
One way model using JAGS18min
Introduction to logistic regression6min
JAGS model (logistic regression)18min
Prediction15min
5 leituras
Module 3 assignments and materials3min
Code for Lesson 7
Code for Lesson 8
Code for Lesson 9
Multiple factor ANOVA20min
5 exercícios práticos
Lesson 7 Part A30min
Lesson 7 Part B30min
Lesson 830min
Lesson 945min
Common models and multiple factor ANOVA30min
Semana
4

Semana 4

5 horas para concluir

Count data and hierarchical modeling

5 horas para concluir
10 vídeos (Total 106 mín.), 7 leituras, 4 testes
10 videos
JAGS model (Poisson regression)17min
Predictive distributions11min
Correlated data8min
Prior predictive simulation10min
JAGS model and model checking (hierarchical modeling)13min
Posterior predictive simulation8min
Linear regression example7min
Linear regression example in JAGS10min
Mixture model in JAGS13min
7 leituras
Module 4 assignments and materials3min
Prior sensitivity analysis20min
Code for Lesson 10
Normal hierarchical model20min
Applications of hierarchical modeling10min
Code and data for Lesson 11
Mixture model introduction, data, and code20min
4 exercícios práticos
Lesson 1040min
Lesson 11 Part A40min
Lesson 11 Part B30min
Predictive distributions and mixture models30min

Avaliações

Principais avaliações do BAYESIAN STATISTICS: TECHNIQUES AND MODELS

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.