Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
A modelagem por mistura é uma forma de representar populações quando estamos interessados em sua heterogeneidade. Modelos de mistura usam distribuições de probabilidade conhecidas (por exemplo, Gaussiana, Poisson, Binomial) para oferecer uma estrutura estatística prática e formal para agrupamento e classificação. Diferentemente das abordagens tradicionais de clustering, podemos estimar a probabilidade de pertencer a um grupo e fazer inferências sobre as subpopulações. Por exemplo, no contexto de marketing, você pode agrupar diferentes perfis de clientes e descobrir suas respectivas probabilidades de comprar produtos específicos, a fim de direcioná-los melhor com promoções personalizadas. Ao aplicar processamento de linguagem natural a um grande conjunto de documentos, você pode agrupar os documentos por tópicos e entender a importância de cada tópico em cada documento. Neste curso, você vai aprender o que são Modelos de Mistura, como eles são estimados e quando é apropriado aplicá-los!
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução aos Modelos de Mistura
Neste capítulo, você será apresentado aos conceitos fundamentais de clustering baseado em modelos e a como essa abordagem difere de outras técnicas de agrupamento. Você vai aprender o processo gerador dos Modelos de Mistura Gaussianos e como visualizar os clusters.
- Introdução ao agrupamento baseado em modelos50 XP
- Abordagens de clustering50 XP
- Explore os dados de gênero100 XP
- Distribuição Gaussiana50 XP
- Amostrando de uma distribuição Gaussiana100 XP
- (não tão boas) Estimativas da média e do desvio padrão100 XP
- Modelos de mistura Gaussianos (GMM)50 XP
- Simular uma mistura de duas distribuições Gaussianas100 XP
- Plotar histograma de Mistura Gaussiana100 XP
- Mistura de três distribuições Gaussianas100 XP
2
Estrutura dos Modelos de Mistura e Estimação de Parâmetros
Neste capítulo, você será apresentado à estrutura principal dos Modelos de Mistura, como lidar com diferentes tipos de dados com essa abordagem e como estimar os parâmetros envolvidos. Para realizar a estimação, você vai aprender um método iterativo chamado algoritmo de Expectation-Maximization.
3
Mistura de Gaussianas com `flexmix`
Este capítulo mostra como ajustar Modelos de Mistura Gaussianos em 1 e 2 dimensões com o pacote `flexmix`. Os dados utilizados são formados por 10.000 observações de pessoas com peso, altura, índice de massa corporal e gênero informado.
4
Modelos de Mistura Além das Gaussianas
Neste módulo, você vai aprender como os Modelos de Mistura se estendem para considerar distribuições de probabilidade diferentes da Gaussiana e como esses modelos são ajustados com `flexmix`. Os conjuntos de dados usados são imagens de dígitos manuscritos e o número de crimes na cidade de Chicago. No primeiro conjunto, você encontrará clusters que resumem os dígitos manuscritos e, no segundo, clusters de comunidades onde é mais ou menos perigoso viver.
R
Modelos de Mistura em R
Curso
concluído
