Johns Hopkins University

Data Science Decisions in Time:Sequential Hypothesis Testing

Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues. Consultez les langues disponibles.
Johns Hopkins University

Data Science Decisions in Time:Sequential Hypothesis Testing

Ce cours fait partie de Spécialisation "Data Science Decisions in Time"

Thomas Woolf

Instructeur : Thomas Woolf

Inclus avec Coursera Plus

En savoir plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

2 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

2 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Compétences que vous acquerrez

  • Catégorie : Data-Driven Decision-Making
  • Catégorie : Biostatistics
  • Catégorie : Algorithms
  • Catégorie : Bayesian Statistics
  • Catégorie : Data Structures
  • Catégorie : Program Development
  • Catégorie : Clinical Trials
  • Catégorie : Probability Distribution
  • Catégorie : Reinforcement Learning
  • Catégorie : Statistical Hypothesis Testing
  • Catégorie : Medical Imaging
  • Catégorie : Statistical Methods
  • Catégorie : Computer Vision
  • Catégorie : Data Science
  • Catégorie : A/B Testing
  • Catégorie : Image Analysis
  • Catégorie : Magnetic Resonance Imaging
  • Catégorie : Statistical Inference
  • Catégorie : Bioinformatics
  • Catégorie : Precision Medicine

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

11 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires
logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Data Science Decisions in Time"
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable

Il y a 6 modules dans ce cours

We extend Wald's ideas for sequential hypothesis testing to a new -- and closely related -- problem. In this second course we evaluate how best to choose from a set of hypothesis for sequentially arriving data. This has many modern applications, for example how best to set a price for a new product, what is the best therapy for a patient, how to determine the rare events in a stream of visual images and many many more. We begin by examining a type of visual search for the 'odd one out' and then build from that first week.

Inclus

3 vidéos1 lecture2 devoirs

Searching within an ordered hierarchical setting can improve the search. But, it is not immediately obvious how to setup the data structure to support this type of search. In this part of the course we explore how to define a biased walk, based on information, to quickly find an 'odd one out'. From this concept of walking along a tree structure, we then move into thinking about how to best setup that tree structure.

Inclus

3 vidéos1 lecture2 devoirs

Many real-world applications have extremely large action and/or hypothesis spaces. For the application of Chernoff's ideas there has to be a way to apply the algorithms quickly at scale. In this set of material we examine how approximations may work and how Chernoff's ideas have been extended to different types of problems.

Inclus

3 vidéos1 lecture2 devoirs

The ideas that we have been exploring can also be applied to data slices collected at disparate windows in time, can be applied to improving MRI scans and can be applied to molecular protein design. These applications all share the concept of using sequential hypothesis testing to improve understanding. In addition, all three of these ideas are under active code development.

Inclus

3 vidéos1 lecture2 devoirs

In our fifth week we explore how to move beyond the 'odd one out' and into multiple hypothesis testing for streams of data. This could be for setting a dosage level on a medication or on how to identify objects in a set of images.

Inclus

5 vidéos1 lecture2 devoirs

Inclus

1 devoir

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Thomas Woolf
Johns Hopkins University
4 Cours1 072 apprenants

Offert par

Johns Hopkins University

En savoir plus sur Software Development

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Foire Aux Questions

Plus de questions

Aide financière disponible,