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.
Offert par
Bayesian Statistics: Mixture Models
Université de Californie à Santa CruzÀ propos de ce cours
18,170 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 21 heures pour terminer
Anglais
Sous-titres : Anglais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 21 heures pour terminer
Anglais
Sous-titres : Anglais
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 du 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
9 vidéos
Installing and using R5 min
Basic definitions25 min
Mixtures of Gaussians10 min
Zero-inflated mixtures11 min
Hierarchical representations7 min
Sampling from a mixture model5 min
The likelihood function14 min
Parameter identifiability10 min
7 lectures
An Introduction to R45 min
Example of a bimodal mixture of Gaussians3 min
Example of a unimodal and skewed mixture of Gaussians3 min
Example of a unimodal, symmetric and heavy tailed mixture of Gaussians3 min
Example of a zero-inflated negative binomial distribution3 min
Example of a zero-inflated log Gaussian distribution3 min
Sample code for simulating from a Mixture Model10 min
7 exercices pour s'entraîner
Basic definitions6 min
Mixtures of Gaussians4 min
Zero-inflated distributions4 min
Definition of Mixture Models20 min
The likelihood function
Identifiability
Likelihood function for mixture models4 min
4 heures pour terminer
Maximum likelihood estimation for Mixture Models
4 heures pour terminer
4 vidéos (Total 73 min), 2 lectures, 2 quiz
4 vidéos
EM for general mixtures24 min
EM for location mixtures of Gaussians22 min
EM example 112 min
EM example 213 min
2 lectures
Sample code for EM example 110 min
Sample code for EM example 210 min
4 heures pour terminer
Bayesian estimation for Mixture Models
4 heures pour terminer
6 vidéos (Total 84 min), 2 lectures, 2 quiz
6 vidéos
Markov Chain Monte Carlo algorithms, part 213 min
MCMC for location mixtures of normals Part 119 min
MCMC for location mixtures of normals Part 214 min
MCMC Example 111 min
MCMC Example 211 min
2 lectures
Sample code for MCMC example 110 min
Sample code for MCMC example 210 min
5 heures pour terminer
Applications of Mixture Models
5 heures pour terminer
7 vidéos (Total 108 min), 3 lectures, 3 quiz
7 vidéos
Density Estimation Example10 min
Mixture Models for Clustering23 min
Clustering example11 min
Mixture Models and naive Bayes classifiers21 min
Linear and quadratic discriminant analysis in the context of Mixture Models18 min
Classification example10 min
3 lectures
Sample code for density estimation problems10 min
Sample EM algorithm for clustering problems10 min
Sample EM algorithm for classification problems10 min
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
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.
À quoi ai-je droit si j'achète le Certificat ?
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.
What is the refund policy?
Vous avez droit à un remboursement intégral jusqu'à deux semaines après la date de paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, selon la dernière de ces éventualités. Vous ne pouvez pas bénéficier d'un remboursement une fois votre Certificat de Cours obtenu, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre Politique de remboursement complète.
Is financial aid available?
Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.