Databricks
Introduction à PyMC3 pour la modélisation et l'inférence bayésienne
Databricks

Introduction à PyMC3 pour la modélisation et l'inférence bayésienne

Dr. Srijith Rajamohan

Instructeur : Dr. Srijith Rajamohan

2 390 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.9

(20 avis)

niveau Débutant

Expérience recommandée

11 heures pour terminer
3 semaines à 3 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.9

(20 avis)

niveau Débutant

Expérience recommandée

11 heures pour terminer
3 semaines à 3 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • 1. Le cadre PyMC3/ArViz pour la modélisation et l'inférence bayésienne

    2. Construisez des modèles réels en utilisant PyMC3 et évaluez la qualité de vos modèles

Compétences que vous acquerrez

  • Catégorie : PyMC3
  • Catégorie : Scipy
  • Catégorie : Méthode de Monte Carlo
  • Catégorie : Programmation en Python
  • Catégorie : Inférence bayésienne

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

3 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Introduction aux statistiques informatiques pour les scientifiques des données
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 4 modules dans ce cours

Ce module sert d'introduction au cadre PyMC3 pour la programmation probabiliste. Il présente certains concepts liés à la modélisation et à la syntaxe de PyMC3. La bibliothèque de visualisation ArViz, intégrée à PyMC3, sera également présentée. Le site web du cours est https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html. Les instructions pour télécharger et exécuter les notebooks sont disponibles à l'adresse https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

Inclus

12 vidéos3 lectures1 devoir

Ce module enseigne les bases de l'utilisation de PyMC3 pour résoudre des problèmes de régression et de classification à l'aide de PyMC3. Il montrera également comment traiter les valeurs aberrantes dans vos données et créer des modèles hiérarchiques. Enfin, une étude de cas est présentée pour aider à appliquer tout ce qui a été appris dans les modules 1 et 2. Le site web du cours est https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#linear-regression-again. Les instructions pour télécharger et exécuter les ordinateurs portables sont disponibles à l'adresse https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

Inclus

14 vidéos1 devoir

Ce module présente différentes mesures et métriques permettant d'évaluer la qualité des solutions déduites à l'aide de PyMC3. Des exemples pratiques sont utilisés pour illustrer comment diverses méthodes et visualisations peuvent être utilisées dans PyMC3. Enfin, un bref aperçu de la manière de déboguer les algorithmes PyMC3 est fourni. Le site web du cours est https://sjster.github.io/introduction_to_computational_statistics/docs/Production/PyMC3.html#mcmc-metrics. Les instructions pour télécharger et exécuter les carnets de notes sont disponibles à l'adresse https://sjster.github.io/introduction_to_computational_statistics/docs/Production/getting_started.html

Inclus

11 vidéos3 lectures1 devoir

Il s'agit d'un projet final non noté. Nous utiliserons tout ce que nous avons appris dans ce cours pour modéliser la dynamique de la maladie COVID-19 à l'aide d'un modèle SIR. En utilisant des données réelles, l'objectif serait de déduire les paramètres du modèle SIR pour le COVID-19.

Inclus

1 plugin

Instructeur

Évaluations de l’enseignant
2.8 (5 évaluations)
Dr. Srijith Rajamohan
Databricks
3 Cours7 429 apprenants

Offert par

Databricks

Recommandé si vous êtes intéressé(e) par Apprentissage automatique

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

3.9

20 avis

  • 5 stars

    45 %

  • 4 stars

    25 %

  • 3 stars

    15 %

  • 2 stars

    5 %

  • 1 star

    10 %

Affichage de 3 sur 20

LJ
5

Révisé le 21 avr. 2023

GM
4

Révisé le 14 sept. 2022

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions