Matériel vidéo / audio en ligne pour entrer dans l'analyse bayésienne et les régressions logistiques

8

Eh bien, je suis ingénieur de jour. Bien que la plupart de mon travail tourne autour de la modélisation, nous faisons généralement des trucs assez basiques. Un modèle «avancé» serait une simulation de monte carlo validée à l'aide de tests R2.

Actuellement, dans mon domaine, il y a beaucoup de recherches utilisant l'analyse logistique et bayésienne.

Ma question est, quels cours recommanderiez-vous à quelqu'un de suivre sur le site de cours ouvert du MIT ou sur tout autre site, pour quelqu'un qui apprend le mieux par vidéo / audio en premier et en lisant ensuite?

Ce que j'aimerais apprendre sont les suivants:

  • Être capable de comprendre les modèles et quand les utiliser
  • capable de recueillir des données sur le terrain (qui sont générées une fois et ne peuvent pas être régénérées) et de concevoir et d'effectuer des expériences
  • Capable de comprendre les résultats, de les regarder et de déterminer si quelque chose ne va pas, "montrer le bouchon" ou les "valeurs aberrantes", ou si tout va bien et dandy
  • Être en mesure de valider et d'étalonner le modèle, aux résultats réels "tels que construits"
  • Être capable de prévoir les résultats en utilisant une analyse de sensibilité appropriée
  • être capable de prévoir / "brancher" les données manquantes
  • être capable de rédiger des articles de journaux liés à mon domaine

mon domaine en un mot est: la modélisation de la demande de transport pour les véhicules de tourisme, en utilisant soit le modèle générique en quatre étapes, soit des modèles d'activité socio-économique / basés sur les circuits tels que PECAS ou urbansim

bayesian logistic dassouki
la source
Devrait être un wiki communautaire
csgillespie

Réponses:

4

J'irais directement sur VideoLectures.net . C'est de loin la meilleure source - gratuite ou payante - que j'ai trouvée pour la très haute qualité (à la fois avec la qualité de la vidéo et avec le contenu de la présentation) avec des conférences vidéo et des tutoriels sur les statistiques, prévisions et apprentissage automatique. Le public cible de ces conférences vidéo va du débutant (certaines conférences sont spécifiquement étiquetées comme "tutoriels") à l'expert; la plupart d'entre eux semblent être quelque part au milieu.

Toutes les conférences et les didacticiels sont dispensés à des professionnels et des universitaires très expérimentés et, dans de nombreux cas, le conférencier est la principale autorité sur le sujet sur lequel il enseigne. Le site est également 100% gratuit.

Le seul inconvénient est que vous ne pouvez pas télécharger les conférences et les stocker par exemple dans iTunes; cependant, presque toutes les conférences ont un ensemble de diapositives que vous pouvez télécharger (ou, commodément, vous pouvez les visualiser en ligne pendant que vous regardez la présentation).

YouTube pourrait en avoir plus, mais même si vous recherchez Y / T sur une chaîne spécifique, je suis sûr que le rapport signal / bruit est beaucoup plus élevé - sur VideoLectures.net, chaque conférence que j'ai regardée a été exceptionnelle et si vous scannez les critiques des téléspectateurs, vous constaterez que c'est l'opinion consensuelle sur toute la collection.

Quelques-uns que j'ai regardés et que je peux recommander fortement:

  • Bases de la probabilité et des statistiques

  • Introduction à l'apprentissage automatique

  • Bases du processus gaussien

  • Modèles graphiques

  • Modèles k-voisins les plus proches

doug
la source
2

Je n'ai eu qu'un petit aperçu de cette série de conférences sur l'apprentissage automatique, mais elle a l'air bien.

La conférence 11 couvre les statistiques bayésiennes et la régularisation.

Jeromy Anglim
la source
J'ai déjà essayé cette série et ce mec bien qu'il soit génial; il umms et umms et umms et umms beaucoup. C'est vraiment distrayant
dassouki
1

Coursera propose une large gamme de conférences en ligne. La conférence Machine Learning d'Andrew Ng couvre la régression logistique et la régularisation au début. De plus, les modèles graphiques probabilistes de Daphne Koller pourraient également vous intéresser.

sebp
la source