Bayesian Statistics: Mixture Models introduces you to an important class of statistical models. The course is organized in five modules, each of which contains lecture videos, short quizzes, background reading, discussion prompts, and one or more peer-reviewed assignments. Statistics is best learned by doing it, not just watching a video, so the course is structured to help you learn through application.
Ce cours fait partie de la Spécialisation Statistiques bayésiennes
6 234 déjà inscrits
Offert par
Spécialisation Statistiques bayésiennesUniversité de Californie à Santa CruzÀ propos de ce cours
10 394 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.
Cours 3 sur 5 dans le
Niveau intermédiaire
Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.
Approx. 22 heures pour terminer
Anglais
Sous-titres : Français, Portugais (européen), Russe, Anglais, Espagnol
Compétences que vous acquerrez
- Markov Model
- Bayesian Statistics
- Mixture Model
- R Programming
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.
Cours 3 sur 5 dans le
Niveau intermédiaire
Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.
Approx. 22 heures pour terminer
Anglais
Sous-titres : Français, Portugais (européen), Russe, Anglais, Espagnol
Offert par
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.
Programme de cours : ce que vous apprendrez dans ce cours
4 heures pour terminer
Basic concepts on Mixture Models
This module defines mixture models, discusses its properties, and develops the likelihood function for a random sample from a mixture model that will be the basis for statistical learning.
4 heures pour terminer
9 vidéos (Total 94 min), 7 lectures, 9 quiz
4 heures pour terminer
Maximum likelihood estimation for Mixture Models
4 heures pour terminer
4 vidéos (Total 73 min), 2 lectures, 2 quiz
4 heures pour terminer
Bayesian estimation for Mixture Models
4 heures pour terminer
6 vidéos (Total 84 min), 2 lectures, 2 quiz
5 heures pour terminer
Applications of Mixture Models
5 heures pour terminer
7 vidéos (Total 108 min), 3 lectures, 3 quiz
Avis
- 5 stars68,75 %
- 4 stars21,87 %
- 3 stars9,37 %
Meilleurs avis pour BAYESIAN STATISTICS: MIXTURE MODELS
par CM17 mai 2021
Definitely quite mathematical in nature. Good way to learn about expectation-maximisation algorithm.
par SM19 janv. 2021
I learned a lot about bayesian mixture model, expectation maximization, and MCMC algorithms and their use case in classification and clustering problems. I highly recommend this course.
À propos du Spécialisation Statistiques bayésiennes
This Specialization is intended for all learners seeking to develop proficiency in statistics, Bayesian statistics, Bayesian inference, R programming, and much more. Through four complete courses (From Concept to Data Analysis; Techniques and Models; Mixture Models; Time Series Analysis) and a culminating project, you will cover Bayesian methods — such as conjugate models, MCMC, mixture models, and dynamic linear modeling — which will provide you with the skills necessary to perform analysis, engage in forecasting, and create statistical models using real-world data.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
