本課程是贝叶斯统计專項課程專項課程的一部分

4.6
星
37 個評分

Abel Rodriguez

7,111 人已註冊

提供方

贝叶斯统计專項課程加州大学圣克鲁兹分校

課程信息

9,487 次近期查看

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. 
Some exercises require the use of R, a freely-available statistical software package. A brief tutorial is provided, but we encourage you to take advantage of the many other resources online for learning R if you are interested.

This is an intermediate-level course, and it was designed to be the third in UC Santa Cruz's series on Bayesian statistics, after Herbie Lee's "Bayesian Statistics: From Concept to Data Analysis" and Matthew Heiner's "Bayesian Statistics: Techniques and Models." To succeed in the course, you should have some knowledge of and comfort with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 3 門課程（共 5 門）

贝叶斯统计專項課程

中級

Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

完成時間大約為22 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

您將獲得的技能

Markov Model
Bayesian Statistics
Mixture Model
R Programming

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 3 門課程（共 5 門）

贝叶斯统计專項課程

中級

Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

完成時間大約為22 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

授課教師

授課教師評分

4.73/5 （15 個評分）

Abel Rodriguez

Professor

Applied Mathematics and Statistics

7,111 個學生

1 門課程

提供方

加州大学圣克鲁兹分校

了解頂級公司的員工如何掌握熱門技能

了解關於 Coursera for Business 的更多信息

授課大綱 - 您將從這門課程中學到什麼

週

週 1

完成時間為 4 小時

Basic concepts on Mixture Models

完成時間為 4 小時

9 個視頻（總計 94 分鐘）, 7 個閱讀材料, 9 個測驗

9 個視頻

Welcome to Bayesian Statistics: Mixture Models3分鐘

Installing and using R5分鐘

Basic definitions25分鐘

Mixtures of Gaussians10分鐘

Zero-inflated mixtures11分鐘

Hierarchical representations7分鐘

Sampling from a mixture model5分鐘

The likelihood function14分鐘

Parameter identifiability10分鐘

7 個閱讀材料

An Introduction to R45分鐘

Example of a bimodal mixture of Gaussians3分鐘

Example of a unimodal and skewed mixture of Gaussians3分鐘

Example of a unimodal, symmetric and heavy tailed mixture of Gaussians3分鐘

Example of a zero-inflated negative binomial distribution3分鐘

Example of a zero-inflated log Gaussian distribution3分鐘

Sample code for simulating from a Mixture Model10分鐘

7 個練習

Basic definitions6分鐘

Mixtures of Gaussians4分鐘

Zero-inflated distributions4分鐘

Definition of Mixture Models20分鐘

The likelihood function

Identifiability

Likelihood function for mixture models4分鐘

週

週 2

完成時間為 4 小時

Maximum likelihood estimation for Mixture Models

完成時間為 4 小時

4 個視頻（總計 73 分鐘）, 2 個閱讀材料, 2 個測驗

週

週 3

完成時間為 4 小時

Bayesian estimation for Mixture Models

完成時間為 4 小時

6 個視頻（總計 84 分鐘）, 2 個閱讀材料, 2 個測驗

週

週 4

完成時間為 5 小時

Applications of Mixture Models

完成時間為 5 小時

7 個視頻（總計 108 分鐘）, 3 個閱讀材料, 3 個測驗

7 個視頻

Density estimation using Mixture Models12分鐘

Density Estimation Example10分鐘

Mixture Models for Clustering23分鐘

Clustering example11分鐘

Mixture Models and naive Bayes classifiers21分鐘

Linear and quadratic discriminant analysis in the context of Mixture Models18分鐘

Classification example10分鐘

3 個閱讀材料

Sample code for density estimation problems10分鐘

Sample EM algorithm for clustering problems10分鐘

Sample EM algorithm for classification problems10分鐘

審閱

4.6

13 條評論

5 stars
67.56%
4 stars
21.62%
3 stars
10.81%

來自BAYESIAN STATISTICS: MIXTURE MODELS的熱門評論

由 CM 提供2021年5月17日

Definitely quite mathematical in nature. Good way to learn about expectation-maximisation algorithm.

由 SM 提供2021年1月19日

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.

查看所有評論

關於贝叶斯统计專項課程

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.

常見問題

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

還有其他問題嗎？請訪問學生幫助中心。

培養員工技能，推動業務成果

探索 Coursera for Business

Bayesian Statistics: Mixture Models

課程信息

您將獲得的技能