Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Bayesianische Datenanalyse ist eine zunehmend beliebte Methode der statistischen Inferenz. Sie erlaubt es, bedingte Wahrscheinlichkeiten zu bestimmen, ohne sich auf feste Konstanten wie Konfidenzniveaus oder p-Werte zu stützen. In diesem Kurs lernst du, wie bayesianische Datenanalyse funktioniert, wie sie sich vom klassischen Ansatz unterscheidet und warum sie ein unverzichtbarer Teil deines Data-Science-Werkzeugkastens ist. Du arbeitest mit A/B-Tests, Entscheidungsanalyse und linearen Regressionsmodellen im bayesianischen Ansatz und analysierst dabei reale Daten aus Werbung, Vertrieb und Fahrradverleih. Zum Schluss legst du mit der Bibliothek PyMC3 praktisch los, die es dir erleichtert, bayesianische Modelle zu entwerfen, anzupassen und zu interpretieren.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Der bayesianische Weg
Mach deine ersten Schritte in der bayesianischen Welt. In diesem Kapitel lernst du die Grundlagen von Wahrscheinlichkeiten und statistischen Verteilungen kennen sowie den berühmten Satz von Bayes, das Fundament bayesianischer Methoden. Abschließend baust du dein erstes bayesianisches Modell, um aus zufälligen Münzwürfen Schlüsse zu ziehen.
- Wer ist Bayes? Was ist Bayes?50 XP
- Bayesianer vs. Frequentisten100 XP
- Wahrscheinlichkeitsverteilungen100 XP
- Wahrscheinlichkeit und der Satz von Bayes50 XP
- Lass uns Karten spielen100 XP
- Bayesscher Spam-Filter100 XP
- Was sagt der Test?50 XP
- Bayes auf den Geschmack kommen50 XP
- Eine Münze werfen100 XP
- Je mehr du wirfst, desto mehr lernst du100 XP
- Hey, ist diese Münze fair?100 XP
2
Bayesianische Schätzung
Jetzt schauen wir unter die Haube der bayesianischen Methode. Du lernst, wie du den Satz von Bayes auf Daten zur Medikamentenwirksamkeit anwendest, um mit der Gitter-Approximation die Parameter von Wahrscheinlichkeitsverteilungen zu schätzen und diese Schätzungen zu aktualisieren, sobald neue Daten vorliegen. Als Nächstes erfährst du, wie du Vorwissen in das Modell einbeziehst, und übst schließlich die wichtige Fähigkeit, Ergebnisse einem nicht-technischen Publikum zu vermitteln.
3
Bayesianische Inferenz
Setze deine neu erworbenen Fähigkeiten in bayesianischer Datenanalyse ein, um reale geschäftliche Herausforderungen zu lösen. Du arbeitest mit Online-Marketingdaten aus dem Vertrieb, um A/B-Tests, Entscheidungsanalysen und Prognosen mit linearen Regressionsmodellen durchzuführen.
4
Bayesianische lineare Regression mit pyMC3
In diesem letzten Kapitel nutzt du das leistungsstarke Paket PyMC3, um bayesianische Regressionsmodelle einfach anzupassen, Plausibilitätsprüfungen für die Konvergenz eines Modells durchzuführen, zwischen konkurrierenden Modellen zu wählen und Vorhersagen für neue Daten zu generieren. Zum Abschluss setzt du das Gelernte ein, um in einer Fallstudie zur bayesianischen Datenanalyse den optimalen Preis für Avocados zu finden. Viel Erfolg!
Bayesianische Datenanalyse in Python
Kurs
abgeschlossen
