Bueno, soy ingeniero de día. Aunque la mayor parte de mi trabajo gira en torno al modelado, generalmente hacemos cosas bastante básicas. Un modelo "avanzado" sería una simulación de Monte Carlo validada mediante pruebas R2.
Actualmente, en mi campo, hay mucha investigación utilizando análisis logístico y bayesiano.
Mi pregunta es, ¿qué cursos recomendaría a alguien que tome del sitio de cursos abiertos del MIT o de cualquier otro sitio, para alguien que aprende mejor por video / audio primero y luego lee?
Lo que me gustaría aprender son los siguientes:
- Ser capaz de comprender los modelos y cuándo emplearlos.
- capaz de tomar datos de campo (que se generan una vez y no se pueden regenerar) y diseñar y realizar experimentos
- Capaz de comprender los resultados, mirarlos y determinar si algo está mal, "mostrar tapón" o "valores atípicos", o si todo está bien y elegante
- Ser capaz de validar y calibrar el modelo, a los resultados reales "As-built"
- Poder pronosticar los resultados utilizando un análisis de sensibilidad apropiado
- ser capaz de pronosticar / "enchufar" datos faltantes
- ser capaz de escribir artículos de diario relacionados con mi campo
En pocas palabras, mi campo es: modelado de demanda de transporte para vehículos de pasajeros, utilizando ya sea el modelo genérico de cuatro pasos o modelos basados en actividades socioeconómicas / giras como PECAS o urbansim
Respuestas:
Yo iría directamente a VideoLectures.net . Esta es, con mucho, la mejor fuente, ya sea gratuita o de pago, que he encontrado para conferencias y tutoriales sobre estadísticas de muy alta calidad (tanto con la calidad del video como con el contenido de la presentación). previsión y aprendizaje automático. El público objetivo para estas conferencias en video varía desde principiante (algunas conferencias están etiquetadas específicamente como "tutoriales") hasta expertos; la mayoría de ellos parecen estar en algún lugar en el medio.
Todas las conferencias y tutoriales se imparten a profesionales y académicos altamente experimentados, y en muchos casos, el profesor es la principal autoridad sobre el tema sobre el que está dando clases. El sitio también es 100% gratuito.
La única desventaja es que no puede descargar las conferencias y almacenarlas en, por ejemplo, iTunes; sin embargo, casi todas las conferencias tienen un conjunto de diapositivas que puede descargar (o, convenientemente, puede verlas en línea mientras mira la presentación).
YouTube puede tener más, pero incluso si busca Y / T a través de un canal específico, estoy seguro de que la relación señal / ruido es mucho mayor: en VideoLectures.net, cada conferencia que he visto ha sido excelente y si usted escanee las reseñas de los espectadores, encontrará que esa es la opinión de consenso hacia toda la colección.
Algunos que he visto y que puedo recomendar altamente:
Conceptos básicos de probabilidad y estadística
Introducción al aprendizaje automático
Conceptos básicos del proceso gaussiano
Modelos gráficos
k-Modelos vecinos más cercanos
fuente
Solo he echado un vistazo a esta serie de conferencias sobre Machine Learning, pero se ve bien.
La clase 11 cubre estadísticas bayesianas y regularización.
fuente
prueba la escuela de verano machine learning La Palma 2012
http://www.youtube.com/channel/UCHhbDEKA7BP58mq1wfTBQNQ?feature=watch
impresionante de hecho
fuente
Coursera ofrece una amplia gama de conferencias en línea. La conferencia de Machine Learning de Andrew Ng cubre la regresión logística y la regularización al principio. Además, los modelos gráficos probabilísticos de Daphne Koller también podrían interesarle.
fuente