Bayesian Statistics: Mixture Models

Universidad de California en Santa Cruz

Acerca de este Curso

14,836 vistas recientes

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 advanced 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.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Nivel avanzado

Aprox. 22 horas para completar

Inglés (English)

Subtítulos: Inglés (English)

Instructor

Abel Rodriguez

Professor

Applied Mathematics and Statistics

2,800 alumnos

1 curso

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Nivel avanzado

Aprox. 22 horas para completar

Inglés (English)

Subtítulos: Inglés (English)

ofrecido por

Universidad de California en 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.

Programa - Qué aprenderás en este curso

Semana

Semana 1

4 horas para completar

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 horas para completar

9 videos (Total 94 minutos), 7 lecturas, 9 cuestionarios

9 videos

Welcome to Bayesian Statistics: Mixture Models3m

Installing and using R5m

Basic definitions25m

Mixtures of Gaussians10m

Zero-inflated mixtures11m

Hierarchical representations7m

Sampling from a mixture model5m

The likelihood function14m

Parameter identifiability10m

7 lecturas

An Introduction to R45m

Example of a bimodal mixture of Gaussians3m

Example of a unimodal and skewed mixture of Gaussians3m

Example of a unimodal, symmetric and heavy tailed mixture of Gaussians3m

Example of a zero-inflated negative binomial distribution3m

Example of a zero-inflated log Gaussian distribution3m

Sample code for simulating from a Mixture Model10m

7 ejercicios de práctica

Basic definitions6m

Mixtures of Gaussians4m

Zero-inflated distributions4m

Definition of Mixture Models20m

The likelihood function

Identifiability

Likelihood function for mixture models4m

Semana

Semana 2

4 horas para completar

Maximum likelihood estimation for Mixture Models

4 horas para completar

4 videos (Total 73 minutos), 2 lecturas, 2 cuestionarios

4 videos

EM for general mixtures24m

EM for location mixtures of Gaussians22m

EM example 112m

EM example 213m

2 lecturas

Sample code for EM example 110m

Sample code for EM example 210m

Semana

Semana 3

4 horas para completar

Bayesian estimation for Mixture Models

4 horas para completar

6 videos (Total 84 minutos), 2 lecturas, 2 cuestionarios

6 videos

Markov Chain Monte Carlo algorithms part 112m

Markov Chain Monte Carlo algorithms, part 213m

MCMC for location mixtures of normals Part 119m

MCMC for location mixtures of normals Part 214m

MCMC Example 111m

MCMC Example 211m

2 lecturas

Sample code for MCMC example 110m

Sample code for MCMC example 210m

Semana

Semana 4

5 horas para completar

Applications of Mixture Models

5 horas para completar

7 videos (Total 108 minutos), 3 lecturas, 3 cuestionarios

7 videos

Density estimation using Mixture Models12m

Density Estimation Example10m

Mixture Models for Clustering23m

Clustering example11m

Mixture Models and naive Bayes classifiers21m

Linear and quadratic discriminant analysis in the context of Mixture Models18m

Classification example10m

3 lecturas

Sample code for density estimation problems10m

Sample EM algorithm for clustering problems10m

Sample EM algorithm for classification problems10m

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si compro el Certificado?
Cuando compras un Certificado, obtienes acceso a todos los materiales del curso, incluidas las tareas calificadas. Una vez que completes el curso, se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes participar del curso como oyente sin costo.
Is financial aid available?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el vínculo de Ayuda económica que está debajo del botón 'Inscribirse' a la izquierda. Se te pedirá que completes una solicitud y recibirás una notificación cuando se apruebe. Obtén más información.
¿Recibiré crédito universitario por completar el Curso?
Este Curso no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados del curso para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.

Bayesian Statistics: Mixture Models

Bayesian Statistics: Mixture Models