Cette Specializations s'adresse à tous les apprenants cherchant à développer des compétences en statistiques, en statistiques bayésiennes, en inférence bayésienne, en programmation R, et bien plus encore. A travers quatre cours complets (Du concept à l'analyse des données ; Techniques et modèles ; Modèles de mélange ; Analyse des séries temporelles) et un projet final, vous couvrirez les méthodes bayésiennes - telles que les modèles conjugués, le MCMC, les modèles de mélange et la modélisation linéaire dynamique - qui vous fourniront les compétences nécessaires pour effectuer des analyses, faire des prévisions et créer des modèles statistiques en utilisant des données du monde réel.
Projet d'apprentissage appliqué
Cette Specializations forme l'apprenant à l'approche bayésienne des statistiques, en commençant par le concept de probabilité jusqu'aux concepts plus complexes tels que la modélisation linéaire dynamique. Vous apprendrez la philosophie de l'approche bayésienne ainsi que la manière de la mettre en œuvre pour les types de données les plus courants, puis vous plongerez plus profondément dans l'analyse des données de séries temporelles.
Les cours de cette spécialisation combinent des vidéos, des démonstrations sur ordinateur, des lectures, des exercices et des forums de discussion pour créer une expérience d'apprentissage active, tandis que le projet final est l'occasion pour l'apprenant de démontrer un large éventail de compétences et de connaissances en statistiques bayésiennes et d'appliquer ce que vous savez à des données du monde réel. Vous passerez en revue les concepts essentiels de la statistique bayésienne, apprendrez et pratiquerez l'analyse de données à l'aide de R (un progiciel statistique libre et gratuit), effectuerez une analyse de données complexe sur un ensemble de données réelles et rédigerez un rapport sur vos méthodes et vos résultats.