Informações sobre o curso
4.8
153 classificações
41 avaliações
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 35 horas para completar

Sugerido: 5 weeks of study, 4-6 hours/week....
Idiomas disponíveis

Inglês

Legendas: Inglês

Habilidades que você terá

Gibbs SamplingBayesian StatisticsBayesian InferenceR Programming
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 35 horas para completar

Sugerido: 5 weeks of study, 4-6 hours/week....
Idiomas disponíveis

Inglês

Legendas: Inglês

Programa - O que você aprenderá com este curso

Semana
1
Horas para completar
4 horas para concluir

Statistical modeling and Monte Carlo estimation

Statistical modeling, Bayesian modeling, Monte Carlo estimation...
Reading
11 vídeos (total de (Total 99 mín.) min), 4 leituras, 4 testes
Video11 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
Reading4 leituras
Module 1 assignments and materials3min
Reference: Common probability distributions
Code for Lesson 3
Markov chains20min
Quiz4 exercícios práticos
Lesson 120min
Lesson 225min
Lesson 330min
Markov chains20min
Semana
2
Horas para completar
5 horas para concluir

Markov chain Monte Carlo (MCMC)

Metropolis-Hastings, Gibbs sampling, assessing convergence...
Reading
11 vídeos (total de (Total 129 mín.) min), 7 leituras, 4 testes
Video11 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
Reading7 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
Quiz4 exercícios práticos
Lesson 420min
Lesson 530min
Lesson 620min
MCMC45min
Semana
3
Horas para completar
6 horas para concluir

Common statistical models

Linear regression, ANOVA, logistic regression, multiple factor ANOVA...
Reading
11 vídeos (total de (Total 131 mín.) min), 5 leituras, 5 testes
Video11 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
Reading5 leituras
Module 3 assignments and materials3min
Code for Lesson 7
Code for Lesson 8
Code for Lesson 9
Multiple factor ANOVA20min
Quiz5 exercícios práticos
Lesson 7 Part A30min
Lesson 7 Part B30min
Lesson 830min
Lesson 945min
Common models and multiple factor ANOVA30min
Semana
4
Horas para completar
5 horas para concluir

Count data and hierarchical modeling

Poisson regression, hierarchical modeling...
Reading
10 vídeos (total de (Total 106 mín.) min), 7 leituras, 4 testes
Video10 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
Reading7 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
Quiz4 exercícios práticos
Lesson 1040min
Lesson 11 Part A40min
Lesson 11 Part B30min
Predictive distributions and mixture models30min

Instrutores

Avatar

Matthew Heiner

Doctoral Student
Applied Mathematics and Statistics

Sobre University of California, Santa Cruz

UC Santa Cruz is an outstanding public research university with a deep commitment to undergraduate education. It’s a place that connects people and programs in unexpected ways while providing unparalleled opportunities for students to learn through hands-on experience....

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.