Ziel dieses Kurses ist es, angehenden oder neuen Datenwissenschaftlern eine Einführung in die Computational Statistics zu geben. Die Teilnehmer lernen zunächst die Grundlagen der Wahrscheinlichkeitsrechnung, der Bayes'schen Modellierung und der Inferenz kennen. Dies ist der erste Kurs einer Spezialisierung von drei Kursen, in denen Python und Jupyter Notebooks zur Veranschaulichung und Durchführung der Bayes'schen Modellierung verwendet werden. Die Kurs-Website finden Sie unter https://sjster.github.io/introduction_to_computational_statistics/docs/index.html. Die Kursnotizbücher können von dieser Website heruntergeladen werden, indem Sie den Anweisungen auf der Seite https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html folgen. Die Dozenten für diesen Kurs sind Dr. Srijith Rajamohan und Dr. Robert Settlage.
Einführung in die Bayessche Statistik
Dieser Kurs ist Teil von Spezialisierung Einführung in die Computergestützte Statistik für Datenwissenschaftler
Dozent: Dr. Srijith Rajamohan
5.423 bereits angemeldet
Bei 
enthalten
(89 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Die Grundlagen der Wahrscheinlichkeitsrechnung, Bayes'sche Statistik, Modellierung und Inferenz.
Außerdem erhalten Sie eine praktische Einführung in die Verwendung von Python für statistische Berechnungen mit Scikit-learn, SciPy und Numpy.
Kompetenzen, die Sie erwerben
- Kategorie: Scipy
- Kategorie: Statistik
- Kategorie: Python-Programmierung
- Kategorie: Bayessche Inferenz
- Kategorie: visualisierung
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
17 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
Einführung in die Compute-Umgebung für die Specializations. Die Benutzer erhalten eine Einführung in das Databricks Ecosystem für Data Science. Die Benutzer können die Notebooks auch auf Binder bereitstellen, um einen einrichtungsfreien Zugang zu erhalten.
Das ist alles enthalten
4 Videos1 Lektüre
In diesem Modul lernen Sie die Grundlagen der Wahrscheinlichkeitsrechnung und Statistik kennen. Der Schwerpunkt liegt darauf, sich mit den Begriffen und Konzepten vertraut zu machen.
Das ist alles enthalten
17 Videos7 Lektüren12 Aufgaben
In diesem Modul erhalten Sie eine Einführung in gängige Verteilungen sowie den Python-Code, um diese Verteilungen zu erzeugen, darzustellen und mit ihnen zu interagieren. Sie werden auch lernen, wie Sie die Maximum-Likelihood-Schätzung (MLE) für verschiedene Verteilungen und die Kernel-Dichte-Schätzung (KDE) für nicht-parametrische Verteilungen durchführen können.
Das ist alles enthalten
12 Videos2 Lektüren2 Aufgaben
Dieses Modul macht Sie mit verschiedenen Stichprobenalgorithmen zur Erzeugung von Verteilungen vertraut. Außerdem werden Sie mit Python-Code vertraut gemacht, der Stichproben durchführt.
Das ist alles enthalten
6 Videos2 Lektüren3 Aufgaben
Dozent
von
Empfohlen, wenn Sie sich für Wahrscheinlichkeitsrechnung und Statistik interessieren
University of California, Santa Cruz
Johns Hopkins University
University of California, Santa Cruz
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
89 Bewertungen
- 5 stars
61,79 %
- 4 stars
13,48 %
- 3 stars
15,73 %
- 2 stars
4,49 %
- 1 star
4,49 %
Zeigt 3 von 89 an
Geprüft am 13. Aug. 2021
This course would be a bit hard for "complete" beginners, but would be enough for people who wish to refresh knowledge about Bayesian inference and stuff. The notes and codes are very good!!
Geprüft am 25. Feb. 2022
Content/notes wise this course is great, But teaching style needs to be improved. Rather than reading the notes instructor should teach by giving examples and driving some of the results.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.