- Bayesian Inference
- Python Programming
- MCMC
- PyMC3
- Scipy
- visualization
- Statistics
- Bayesian
- Scikit-Learn
- Monte Carlo Method
Programa de cursos integrados Introduction to Computational Statistics for Data Scientists
Practical Bayesian Inference. A conceptual understanding of the techniques and the tools used to perform scalable Bayesian inference in practice with PyMC3.
oferecido por
O que você vai aprender
The basics of Bayesian modeling and inference.
A conceptual understanding of the techniques used to perform Bayesian inference in practice.
Learn how to use PyMC3 to solve real-world problems.
The basics of Probability, Bayesian statistics, modeling and inference.
Habilidades que você terá
Sobre este Programa de cursos integrados
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.
Projeto de Aprendizagem Aplicada
Implement Distributions in Python and visualize it statically using Matplotlib or Seaborn and interactively using Plot.ly.
Implement Monte Carlo Sampling algorithms in Python.
Learn the basics of PyMC3 for various Bayesian modeling including Linear Regression, Hierarchical Regression, Classification, Robust models and assessing the quality of models.
Use PyMC3 to model the disease dynamics of and infer the parameters of an SIR model of COVID-19 from real-world data.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível iniciante
- Some experience with Data Science using the PyData Stack of NumPy, Pandas, Scikit-learn
- Fundamentals of linear algebra and calculus
Aproximadamente 3 meses para ser concluído
Ritmo sugerido de 4 horas/semana
Inglês
Legendas: Inglês
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível iniciante
- Some experience with Data Science using the PyData Stack of NumPy, Pandas, Scikit-learn
- Fundamentals of linear algebra and calculus
Aproximadamente 3 meses para ser concluído
Ritmo sugerido de 4 horas/semana
Inglês
Legendas: Inglês
Como funciona o programa de cursos integrados
Fazer cursos
Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.
Projeto prático
Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.
Obtenha um certificado
Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.
Este Programa de cursos integrados contém 3 cursos
Introduction to Bayesian Statistics
22 classificações
The objective of this course is to introduce Computational Statistics to aspiring or new data scientists. The attendees will start off by learning the basics of probability, Bayesian modeling and inference. This will be the first course in a specialization of three courses .Python and Jupyter notebooks will be used throughout this course to illustrate and perform Bayesian modeling. 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.
Bayesian Inference with MCMC
10 classificações
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.
Introduction to PyMC3 for Bayesian Modeling and Inference
10 classificações
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.
oferecido por
Databricks
Databricks is the data and AI company. Founded by the creators of Apache Spark™, Delta Lake and MLflow, organizations like Comcast, Condé Nast, Nationwide and H&M rely on Databricks’ open and unified platform to enable data engineers, scientists and analysts to collaborate and innovate faster.
Perguntas Frequentes – FAQ
Qual é a política de reembolso?
Posso me inscrever em um único curso?
Existe algum auxílio financeiro disponível?
Posso fazer o curso gratuitamente?
Este curso é realmente 100% on-line? Eu preciso assistir alguma aula pessoalmente?
Quanto tempo é necessário para concluir a Especialização?
What background knowledge is necessary?
Do I need to take the courses in a specific order?
Vou ganhar créditos universitários por concluir a Especialização?
What will I be able to do upon completing the Specialization?
Mais dúvidas? Visite o Central de Ajuda ao estudante.
