Ziel dieses Kurses ist es, PyMC3 für die Bayes'sche Modellierung und Inferenz einzuführen. Die Teilnehmer lernen zunächst die Grundlagen von PyMC3 kennen und erfahren, wie sie skalierbare Inferenzen für eine Vielzahl von Problemen durchführen können. Dies ist der letzte Kurs einer Spezialisierung von drei Kursen, in denen Python und Jupyter Notebooks verwendet werden, um die Bayes'sche Modellierung mit PyMC3 zu illustrieren und durchzuführen. 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. Der Dozent für diesen Kurs ist Dr. Srijith Rajamohan.
Einführung in PyMC3 für Bayes'sche Modellierung und Inferenz
Dieser Kurs ist Teil von Spezialisierung Einführung in die Computergestützte Statistik für Datenwissenschaftler
Dozent: Dr. Srijith Rajamohan
2.388 bereits angemeldet
Bei enthalten
(20 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
1. Das PyMC3/ArViz Framework für Bayes'sche Modellierung und Inferenz
2. Erstellen Sie reale Modelle mit PyMC3 und bewerten Sie die Qualität Ihrer Modelle
Kompetenzen, die Sie erwerben
- Kategorie: PyMC3
- Kategorie: Scipy
- Kategorie: Monte-Carlo-Methode
- Kategorie: Python-Programmierung
- Kategorie: Bayessche Inferenz
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
3 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
Dieses Modul dient als Einführung in das PyMC3-Framework für probabilistische Programmierung. Es führt in einige der Konzepte im Zusammenhang mit der Modellierung und der PyMC3-Syntax ein. Die Visualisierungsbibliothek ArViz, die in PyMC3 integriert ist, wird ebenfalls vorgestellt. Die Kurs-Website ist https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html. Anweisungen zum Herunterladen und Ausführen der Notebooks finden Sie unter https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html
Das ist alles enthalten
12 Videos3 Lektüren1 Aufgabe
Dieses Modul vermittelt die Grundlagen der Verwendung von PyMC3 zur Lösung von Regressions- und Klassifikationsproblemen mit PyMC3. Es wird auch gezeigt, wie Sie mit Ausreißern in Ihren Daten umgehen und hierarchische Modelle erstellen können. Abschließend wird eine Fallstudie vorgestellt, die Ihnen helfen soll, alles, was Sie in Modul 1 und 2 gelernt haben, anzuwenden. Die Kurs-Website ist https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#linear-regression-again. Anweisungen zum Herunterladen und Ausführen der Notebooks finden Sie unter https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html
Das ist alles enthalten
14 Videos1 Aufgabe
In diesem Modul werden verschiedene Maßstäbe und Metriken zur Bewertung der Qualität der mit PyMC3 abgeleiteten Lösungen vorgestellt. Anhand praktischer Beispiele wird gezeigt, wie verschiedene Methoden und Visualisierungen in PyMC3 verwendet werden können. Abschließend erhalten Sie einen kurzen Überblick darüber, wie Sie PyMC3-Algorithmen debuggen können. Die Kurs-Website ist https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#mcmc-metrics. Anweisungen zum Herunterladen und Ausführen der Notebooks finden Sie unter https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html
Das ist alles enthalten
11 Videos3 Lektüren1 Aufgabe
Dies ist ein unbenotetes Abschlussprojekt. Wir werden alles, was wir in diesem Kurs gelernt haben, nutzen, um die Krankheitsdynamik von COVID-19 mithilfe eines SIR-Modells zu modellieren. Das Ziel ist es, anhand von realen Daten die Parameter des SIR-Modells für COVID-19 abzuleiten.
Das ist alles enthalten
1 Plug-in
Dozent
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Johns Hopkins University
Imperial College London
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
20 Bewertungen
- 5 stars
45 %
- 4 stars
25 %
- 3 stars
15 %
- 2 stars
5 %
- 1 star
10 %
Zeigt 3 von 20 an
Geprüft am 21. Apr. 2023
Good introduction to the topic. Thanks!
Geprüft am 14. Sep. 2022
Great capstone providing useful practice and tools for applying the concepts.
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.