Statistics and Probabilistic Programming in Julia

本课程适合已有数据科学和统计学背景的人士。

本课程为讲师主导的培训（线上或线下），适合已有数据科学和统计学背景的人士。

课程形式

• 互动式讲座与讨论。
• 练习与实践。

课程定制选项

• 如需定制本课程，请联系我们安排。

Statistics 和概率 Programming 在 Julia

基础统计

• Statistics
  • 使用统计包进行 Statistics 摘要
• 分布与 StatsBase 包
  • 单变量与多变量
  • 矩
  • 概率函数
  • 抽样与随机数生成
  • 直方图
  • 最大似然估计
  • 乘积、截断与截尾分布
  • 稳健统计
  • 相关性与协方差

DataFrames

(DataFrames 包)

• 数据输入输出
• 创建数据框
• 数据类型，包括分类数据与缺失数据
• 排序与连接
• 数据重塑与透视

假设检验

(HypothesisTests 包)

• 假设检验的基本原理
• 卡方检验
• z检验与t检验
• F检验
• 费希尔精确检验
• 方差分析
• 正态性检验
• 柯尔莫哥洛夫-斯米尔诺夫检验
• 霍特林T检验

回归与生存分析

(GLM 与 Survival 包)

• 线性回归与指数族的基本原理
• 线性回归
• 广义线性模型
  • 逻辑回归
  • 泊松回归
  • 伽马回归
  • 其他GLM模型
• 生存分析
  • 事件
  • 卡普兰-迈耶
  • 尼尔森-阿伦
  • 考克斯比例风险模型

距离

(Distances 包)

• 什么是距离？
• 欧几里得距离
• 曼哈顿距离
• 余弦相似度
• 相关性
• 马氏距离
• 汉明距离
• MAD
• RMS
• 均方误差

多变量统计

(MultivariateStats, Lasso, 与 Loess 包)

• 岭回归
• Lasso回归
• Loess
• 线性判别分析
• 主成分分析 (PCA)
  • 线性PCA
  • 核PCA
  • 概率PCA
  • 独立成分分析
• 主成分回归 (PCR)
• 因子分析
• 典型相关分析
• 多维尺度分析

聚类

(Clustering 包)

• K均值
• K中心点
• DBSCAN
• 层次聚类
• 马尔可夫聚类算法
• 模糊C均值聚类

贝叶斯 Statistics 与概率 Programming

(Turing 包)

• 马尔可夫链蒙特卡罗
• 哈密顿蒙特卡罗
• 高斯混合模型
• 贝叶斯线性回归
• 贝叶斯指数族回归
• 贝叶斯 Neural Networks
• 隐马尔可夫模型
• 粒子滤波
• 变分推断