À propos de ce cours

3 730 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Niveau débutant

1. Experience with Data Science using the PyData Stack of NumPy, SciPy, Pandas, Scikit-learn.

2. Course 1 in this Specialization.

Approx. 15 heures pour terminer
Anglais

Ce que vous allez apprendre

  • 1. Markov Chain Monte Carlo algorithms

    2. Implementing the above in Python

    3. Assess the performance of Bayesian models

Compétences que vous acquerrez

  • Bayesian
  • Scipy
  • Scikit-Learn
  • MCMC
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Niveau débutant

1. Experience with Data Science using the PyData Stack of NumPy, SciPy, Pandas, Scikit-learn.

2. Course 1 in this Specialization.

Approx. 15 heures pour terminer
Anglais

Offert par

Placeholder

Databricks

Programme de cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

5 heures pour terminer

Topics in Model Performance

5 heures pour terminer
13 vidéos (Total 31 min), 5 lectures, 1 quiz
Semaine
2

Semaine 2

5 heures pour terminer

The Metropolis Algorithms for MCMC

5 heures pour terminer
8 vidéos (Total 29 min), 1 lecture, 1 quiz
Semaine
3

Semaine 3

4 heures pour terminer

Gibbs Sampling and Hamiltonian Monte Carlo Algorithms

4 heures pour terminer
7 vidéos (Total 28 min), 2 lectures, 1 quiz

À propos du Spécialisation Introduction to Computational Statistics for Data Scientists

Introduction to Computational Statistics for Data Scientists

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.