À propos de ce cours
4.8
176 notes
46 avis

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 36 heures pour terminer

Recommandé : 5 weeks of study, 4-6 hours/week....

Anglais

Sous-titres : Anglais

Compétences que vous acquerrez

Gibbs SamplingBayesian StatisticsBayesian InferenceR Programming

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 36 heures pour terminer

Recommandé : 5 weeks of study, 4-6 hours/week....

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
4 heures pour terminer

Statistical modeling and Monte Carlo estimation

Statistical modeling, Bayesian modeling, Monte Carlo estimation...
11 vidéos (Total 99 min), 4 lectures, 4 quiz
11 vidéos
Objectives7 min
Modeling process8 min
Components of Bayesian models8 min
Model specification7 min
Posterior derivation9 min
Non-conjugate models7 min
Monte Carlo integration9 min
Monte Carlo error and marginalization6 min
Computing examples15 min
Computing Monte Carlo error13 min
4 lectures
Module 1 assignments and materials3 min
Reference: Common probability distributions
Code for Lesson 3
Markov chains20 min
4 exercices pour s'entraîner
Lesson 120 min
Lesson 225 min
Lesson 330 min
Markov chains20 min
Semaine
2
5 heures pour terminer

Markov chain Monte Carlo (MCMC)

Metropolis-Hastings, Gibbs sampling, assessing convergence...
11 vidéos (Total 129 min), 7 lectures, 4 quiz
11 vidéos
Demonstration10 min
Random walk example, Part 112 min
Random walk example, Part 216 min
Download, install, setup3 min
Model writing, running, and post-processing12 min
Multiple parameter sampling and full conditional distributions8 min
Conditionally conjugate prior example with Normal likelihood10 min
Computing example with Normal likelihood16 min
Trace plots, autocorrelation17 min
Multiple chains, burn-in, Gelman-Rubin diagnostic8 min
7 lectures
Module 2 assignments and materials3 min
Code for Lesson 4
Alternative MCMC software10 min
Code from JAGS introduction
Code for Lesson 510 min
Autocorrelation10 min
Code for Lesson 6
4 exercices pour s'entraîner
Lesson 420 min
Lesson 530 min
Lesson 620 min
MCMC45 min
Semaine
3
6 heures pour terminer

Common statistical models

Linear regression, ANOVA, logistic regression, multiple factor ANOVA...
11 vidéos (Total 131 min), 5 lectures, 5 quiz
11 vidéos
Setup in R9 min
JAGS model (linear regression)12 min
Model checking17 min
Alternative models10 min
Deviance information criterion (DIC)4 min
Introduction to ANOVA10 min
One way model using JAGS18 min
Introduction to logistic regression6 min
JAGS model (logistic regression)18 min
Prediction15 min
5 lectures
Module 3 assignments and materials3 min
Code for Lesson 7
Code for Lesson 8
Code for Lesson 9
Multiple factor ANOVA20 min
5 exercices pour s'entraîner
Lesson 7 Part A30 min
Lesson 7 Part B30 min
Lesson 830 min
Lesson 945 min
Common models and multiple factor ANOVA30 min
Semaine
4
5 heures pour terminer

Count data and hierarchical modeling

Poisson regression, hierarchical modeling...
10 vidéos (Total 106 min), 7 lectures, 4 quiz
10 vidéos
JAGS model (Poisson regression)17 min
Predictive distributions11 min
Correlated data8 min
Prior predictive simulation10 min
JAGS model and model checking (hierarchical modeling)13 min
Posterior predictive simulation8 min
Linear regression example7 min
Linear regression example in JAGS10 min
Mixture model in JAGS13 min
7 lectures
Module 4 assignments and materials3 min
Prior sensitivity analysis20 min
Code for Lesson 10
Normal hierarchical model20 min
Applications of hierarchical modeling10 min
Code and data for Lesson 11
Mixture model introduction, data, and code20 min
4 exercices pour s'entraîner
Lesson 1040 min
Lesson 11 Part A40 min
Lesson 11 Part B30 min
Predictive distributions and mixture models30 min
4.8
46 avisChevron Right

40%

a commencé une nouvelle carrière après avoir terminé ces cours

38%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours

Meilleurs avis

par JHNov 1st 2017

This course is excellent! The material is very very interesting, the videos are of high quality and the quizzes and project really helps you getting it together. I really enjoyed it!!!

par BJul 8th 2018

This is a great course for an introduction to Bayesian Statistics class. Prior knowledge of the use of R can be very helpful. Thanks for such a wonderful course!!!

Enseignant

Avatar

Matthew Heiner

Doctoral Student
Statistics

À propos de Université de Californie à Santa Cruz

UC Santa Cruz is an outstanding public research university with a deep commitment to undergraduate education. It’s a place that connects people and programs in unexpected ways while providing unparalleled opportunities for students to learn through hands-on experience....

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

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