Enroll Course: https://www.coursera.org/learn/bayesian-statistics-time-series-analysis
안녕하세요, 데이터 과학과 통계에 관심이 많은 여러분! 오늘은 Coursera에서 제공하는 Bayesian Statistics: Time Series Analysis 코스를 리뷰하고 추천하고자 합니다.
이 코스는 실무 및 예비 데이터 과학자와 통계학자를 위한 과정으로, Bayesian 통계의 기본기를 배우는 4코스 시퀀스의 네 번째 과정입니다. 이전 코스들인 ‘Bayesian Statistics: From Concept to Data Analysis’, ‘Techniques and Models’, 그리고 ‘Mixture Models’의 내용을 바탕으로 진행됩니다.
코스의 주제는 시간의 흐름에 따라 관련된 변수들 간의 종속성을 모델링하는 데 초점을 맞추고 있습니다. 따라서 이 코스를 성공적으로 수강하려면 미적분 기반의 확률에 대한 이해가 필요합니다.
주차별 강의 내용:
- 1주차: 시간 시계열 소개 및 AR(1) 프로세스 – 정상 시계열 프로세스, 자기상관 함수 및 AR(1) 프로세스의 정의와 최대 우도 추정 및 Bayesian 추론 방법에 대해 다룹니다.
- 2주차: AR(p) 프로세스 – AR(1) 프로세스에서 배운 개념을 일반적인 AR(p)로 확장하여, 최대 우도 추정 및 Bayesian posterior 추론 방법을 배웁니다.
- 3주차: 정상 동적 선형 모델, Part I – NDLM 정의 및 예제를 통해 모델 구축 방법을 설명합니다. Bayesian 필터링, 스무딩 및 예측 방법도 다룹니다.
- 4주차: 정상 동적 선형 모델, Part II – NDLM의 심화 내용을 배우게 됩니다.
- 5주차: 최종 프로젝트 – 구글 트렌드에서 다운로드한 시계열 데이터를 분석하는 최종 프로젝트를 수행합니다.
이 코스는 시간 시계열 분석의 기초를 다지기에 정말 좋은 과정이며, 특히 Bayesian 통계에 대한 깊은 이해가 필요한 여러분께 강력히 추천합니다. 각 주차별로 체계적인 강의와 실습이 제공되어 합리적인 시간 안에 필수적인 지식을 쌓을 수 있습니다.
바로 코르세라(Coursera)에서 수강해 보세요!
Enroll Course: https://www.coursera.org/learn/bayesian-statistics-time-series-analysis