Вычислительная статистика и байесовский вывод для науки о данных

Современная наука о данных требует не только запуска готовых алгоритмов машинного обучения, но и глубокого, вычислительного понимания основных статистических данных. Этот текстовый курс ликвидирует разрыв между теоретической статистикой и практическим кодом, показывая, как имитировать, анализировать и моделировать сложные данные. Вы перейдете от использования библиотек черного ящика к написанию пользовательских статистических моделей и выполнению практических байесовских выводов для принятия решений, основанных на данных. Что вы узнаете: - Понять основные статистические концепции, распределения вероятностей и методы вычислительной выборки. - применение методов имитации Монте-Карло для оценки вероятностей и неопределенности моделей. - Применять байесовские методы вывода для обновления убеждений и оценки параметров с использованием современных библиотек Python. - Анализ диагностики моделей и оценка конвергенции с использованием текущих статистических рабочих процессов. - Масштабирование статистических вычислений для эффективной обработки более крупных наборов данных. Курс начинается с основных статистических определений и основ вероятности, а затем вы пройдете практические методы моделирования и байесовские рабочие процессы моделей. Вы пройдете путь от простых упражнений по выборке до написания надежных, воспроизводимых статистического анализа. Этот курс предназначен для начинающих ученых, аналитиков и программистов, которые хотят построить прочную статистическую основу. Не требуется предварительного опыта в области статистики, хотя полезно знакомство с Python. Начните освоение вычислительной статистики и привнесите глубину анализа в свои проекты по науке данных уже сегодня.