Carregando

aula 1: introdução

por Laerte Sodre Junior

Incorporar
Recomendar
Download
        
Gostei (16)

Formatos disponíveis

Assista a esse vídeo em: MP4 (1280 X 720 px) | MP4 (640 X 360 px)

Licença de uso

Acesso Aberto (Verde)
Esta licença permite ao usuário copiar o conteúdo do e-Aulas USP, porém veta qualquer alteração e/ou sua utilização para fins comerciais ou não educacionais, autorizando seu compartilhamento sob licença com as mesmas características, desde que se atribua crédito aos autores.

Sobre a aula

aula o: apresentação do programa, etc
aula1: introdução a probabilidades e estatística

Disciplina

AGA0505-2 Análise de Dados em Astronomia I

EMENTA

Esta disciplina aborda tópicos fundamentais da estatística aplicada à análise de dados astronômicos. 1. Introdução à probabilidade e estatística; 2. Introdução à linguagem R; 3. Estatística descritiva e distribuições de probabilidades; 3. Simulações de Monte Carlo e MCMC; 4. Testes de hipóteses; 5. Análise de correlação; 6. O método da máxima verossimilhança; 7. Inferência Bayesiana; 8. Comparação de modelos

Objetivo

Disciplina destinada aos alunos do Bacharelado em Astronomia. Alunos do Bacharelado em Física poderão cursá-la como disciplina optativa. O objetivo é dar ao aluno uma introdução prática aos conceitos e métodos de análise de dados de uso corrente em Astronomia, fazendo uso da linguagem R.

Índice de vídeos da disciplina

  1. aula 1: introdução
  2. aula 5 : testes de hipóteses
  3. aula 2: probabilidades
  4. aula 5 : testes de hipóteses - 2a. parte
  5. aula 3: distribuição de probabilidades
  6. aula 6: método da máxima verossimilhança (1a. parte)
  7. aula 4: simulações e amostragem
  8. aula 7: método da máxima verossimilhança (2a. parte)
  9. aula 5
  10. aula 8: inferência bayesiana (I)
  11. aula 6: o método da máxima verossimilhança
  12. aula 9:Inferência Bayesiana (II)
  13. aula 7: inferência bayesiana
  14. aula 10: Comparação de Modelos
  15. aula 8: comparação de modelos
  16. aula11 - Princípios gerais de Aprendizado de Máquina
  17. conceitos fundamentais de aprendizado de máquina
  18. aula 12- regressão e classificação
  19. Aprendizado de Máquina: Regressão e Classificação
  20. aula 11: deep learning
  21. aula 13- Deep Learning
Superintendência de Tecnologia da Informação