Об этом курсе

Недавно просмотрено: 153,038

Карьерные результаты учащихся

21%

начал новую карьеру, пройдя эти курсы

15%

получил значимые преимущества в карьере благодаря этому курсу

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: Four weeks of study, two-five hours/week depending on your familiarity with mathematical statistics....

Английский

Субтитры: Английский

Приобретаемые навыки

StatisticsBayesian StatisticsBayesian InferenceR Programming

Карьерные результаты учащихся

21%

начал новую карьеру, пройдя эти курсы

15%

получил значимые преимущества в карьере благодаря этому курсу

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: Four weeks of study, two-five hours/week depending on your familiarity with mathematical statistics....

Английский

Субтитры: Английский

Программа курса: что вы изучите

Оценка контентаThumbs Up92%(7,626 оценки)Info
Неделя
1

Неделя 1

3 ч. на завершение

Probability and Bayes' Theorem

3 ч. на завершение
8 видео ((всего 38 мин.)), 4 материалов для самостоятельного изучения, 5 тестов
8 видео
Lesson 1.1 Classical and frequentist probability6мин
Lesson 1.2 Bayesian probability and coherence3мин
Lesson 2.1 Conditional probability4мин
Lesson 2.2 Bayes' theorem6мин
Lesson 3.1 Bernoulli and binomial distributions5мин
Lesson 3.2 Uniform distribution5мин
Lesson 3.3 Exponential and normal distributions2мин
4 материала для самостоятельного изучения
Module 1 objectives, assignments, and supplementary materials3мин
Background for Lesson 110мин
Supplementary material for Lesson 23мин
Supplementary material for Lesson 320мин
5 практического упражнения
Lesson 116мин
Lesson 212мин
Lesson 3.120мин
Lesson 3.2-3.310мин
Module 1 Honors15мин
Неделя
2

Неделя 2

3 ч. на завершение

Statistical Inference

3 ч. на завершение
11 видео ((всего 59 мин.)), 5 материалов для самостоятельного изучения, 4 тестов
11 видео
Lesson 4.2 Likelihood function and maximum likelihood7мин
Lesson 4.3 Computing the MLE3мин
Lesson 4.4 Computing the MLE: examples4мин
Introduction to R6мин
Plotting the likelihood in R4мин
Plotting the likelihood in Excel4мин
Lesson 5.1 Inference example: frequentist4мин
Lesson 5.2 Inference example: Bayesian6мин
Lesson 5.3 Continuous version of Bayes' theorem4мин
Lesson 5.4 Posterior intervals7мин
5 материала для самостоятельного изучения
Module 2 objectives, assignments, and supplementary materials3мин
Background for Lesson 410мин
Supplementary material for Lesson 45мин
Background for Lesson 510мин
Supplementary material for Lesson 510мин
4 практического упражнения
Lesson 48мин
Lesson 5.1-5.218мин
Lesson 5.3-5.416мин
Module 2 Honors6мин
Неделя
3

Неделя 3

2 ч. на завершение

Priors and Models for Discrete Data

2 ч. на завершение
9 видео ((всего 66 мин.)), 2 материалов для самостоятельного изучения, 4 тестов
9 видео
Lesson 6.2 Prior predictive: binomial example5мин
Lesson 6.3 Posterior predictive distribution4мин
Lesson 7.1 Bernoulli/binomial likelihood with uniform prior3мин
Lesson 7.2 Conjugate priors4мин
Lesson 7.3 Posterior mean and effective sample size7мин
Data analysis example in R12мин
Data analysis example in Excel16мин
Lesson 8.1 Poisson data8мин
2 материала для самостоятельного изучения
Module 3 objectives, assignments, and supplementary materials3мин
R and Excel code from example analysis10мин
4 практического упражнения
Lesson 612мин
Lesson 715мин
Lesson 815мин
Module 3 Honors8мин
Неделя
4

Неделя 4

3 ч. на завершение

Models for Continuous Data

3 ч. на завершение
9 видео ((всего 69 мин.)), 5 материалов для самостоятельного изучения, 5 тестов
9 видео
Lesson 10.1 Normal likelihood with variance known3мин
Lesson 10.2 Normal likelihood with variance unknown3мин
Lesson 11.1 Non-informative priors8мин
Lesson 11.2 Jeffreys prior3мин
Linear regression in R17мин
Linear regression in Excel (Analysis ToolPak)13мин
Linear regression in Excel (StatPlus by AnalystSoft)14мин
Conclusion1мин
5 материала для самостоятельного изучения
Module 4 objectives, assignments, and supplementary materials3мин
Supplementary material for Lesson 1010мин
Supplementary material for Lesson 115мин
Background for Lesson 1210мин
R and Excel code for regression5мин
5 практического упражнения
Lesson 912мин
Lesson 1020мин
Lesson 1110мин
Regression15мин
Module 4 Honors6мин
4.6
Рецензии: 517Chevron Right

Лучшие отзывы о курсе Bayesian Statistics: From Concept to Data Analysis

автор: GSSep 1st 2017

Good intro to Bayesian Statistics. Covers the basic concepts. Workload is reasonable and quizzes/exercises are helpful. Could include more exercises and additional backgroung/future reading materials.

автор: JHJun 27th 2018

Great course. The content moves at a nice pace and the videos are really good to follow. The Quizzes are also set at a good level. You can't pass this course unless you have understood the material.

Преподаватели

от партнера

Логотип Калифорнийский университет в Санта-Крузе

Калифорнийский университет в Санта-Крузе

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

  • You should have exposure to the concepts from a basic statistics class (for example, probability, the Central Limit Theorem, confidence intervals, linear regression) and calculus (integration and differentiation), but it is not expected that you remember how to do all of these items. The course will provide some overview of the statistical concepts, which should be enough to remind you of the necessary details if you've at least seen the concepts previously. On the calculus side, the lectures will include some use of calculus, so it is important that you understand the concept of an integral as finding the area under a curve, or differentiating to find a maximum, but you will not be required to do any integration or differentiation yourself.

  • Data analysis is done using computer software. This course provides the option of Excel or R. Equivalent content is provided for both options. A very brief introduction to R is provided for people who have never used it before, but this is not meant to be a course on R. Learners using Excel are expected to already have basic familiarity of Excel.

Остались вопросы? Посетите Центр поддержки учащихся.