Contacta con nosotros

Temario del curso

Estadística y programación probabilística en Julia

Estadística básica

  • Estadística
    • Estadísticas descriptivas con el paquete statistics
  • Distribuciones y paquete StatsBase
    • Univariables y multivariables
    • Momentos
    • Funciones de probabilidad
    • Muestreo y generadores de números aleatorios (RNG)
    • Histogramas
    • Estimación de máxima verosimilitud
    • Productos, truncamiento y distribuciones censuradas
    • Estadística robusta
    • Correlación y covarianza

DataFrames

(Paquete DataFrames)

  • Entrada y salida de datos
  • Creación de DataFrames
  • Tipos de datos, incluidos datos categóricos y faltantes
  • Ordenamiento y unión
  • Reestructuración y pivotamiento de datos

Pruebas de hipótesis

(Paquete HypothesisTests)

  • Principios fundamentales de las pruebas de hipótesis
  • Prueba chi-cuadrado
  • Pruebas z y t
  • Prueba F
  • Prueba exacta de Fisher
  • ANOVA
  • Pruebas de normalidad
  • Prueba de Kolmogorov-Smirnov
  • Prueba T de Hotelling

Regresión y análisis de supervivencia

(Paquetes GLM y Survival)

  • Principios fundamentales de la regresión lineal y la familia exponencial
  • Regresión lineal
  • Modelos lineales generalizados
    • Regresión logística
    • Regresión de Poisson
    • Regresión gamma
    • Otros modelos GLM
  • Análisis de supervivencia
    • Eventos
    • Kaplan-Meier
    • Nelson-Aalen
    • Riesgo proporcional de Cox

Distancias

(Paquete Distances)

  • ¿Qué es una distancia?
  • Euclidiana
  • Cityblock
  • Coseno
  • Correlación
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Desviación media al cuadrado

Estadística multivariable

(Paquetes MultivariateStats, Lasso y Loess)

  • Regresión ridge
  • Regresión Lasso
  • Loess
  • Análisis discriminante lineal
  • Análisis de componentes principales (PCA)
    • PCA lineal
    • PCA con kernel
    • PCA probabilístico
    • Análisis de componentes independientes (ICA)
  • Regresión por componentes principales (PCR)
  • Análisis factorial
  • Análisis de correlación canónica
  • Escalamiento multidimensional

Agrupamiento (Clustering)

(Paquete Clustering)

  • K-means
  • K-medoids
  • DBSCAN
  • Agrupamiento jerárquico
  • Algoritmo de agrupamiento de Markov
  • Agrupamiento difuso C-means

Estadística bayesiana y programación probabilística

(Paquete Turing)

  • Cadena de Markov Monte Carlo
  • Monte Carlo Hamiltoniano
  • Modelos de mezclas gaussianas
  • Regresión lineal bayesiana
  • Regresión bayesiana de familia exponencial
  • Redes neuronales bayesianas
  • Modelos ocultos de Markov
  • Filtrado de partículas
  • Inferencia variacional

Requerimientos

Este curso está dirigido a personas que ya cuentan con una base en ciencia de datos y estadística.

 21 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas