The course will begin with what is familiar to many business managers and those who have taken the first two courses in this specialization. The first set of tools will explore data description, statistical inference, and regression. We will extend these concepts to other statistical methods used for prediction when the response variable is categorical such as win-don’t win an auction. In the next segment, students will learn about tools used for identifying important features in the dataset that can either reduce the complexity or help identify important features of the data or further help explain behavior.
Data Modeling and Regression Analysis in Business
von
Data Modeling and Regression Analysis in Business
University of Illinois at Urbana-Champaign
Über diesen Kurs
4,387 kürzliche Aufrufe
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 19 Stunden zum Abschließen
Empfohlen: 4-6 hours/week
Englisch
Untertitel: Englisch
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
18 Stunden zum Abschließen
Module 0: Get Ready & Module 1: Introduction to Analytics and Evolution of Statistical Inference
This session is an overview of the business data analytics process and its components. We introduce you to different modeling paradigms and invite you to match problems to modeling paradigms. The module concludes with an overview of Rattle (an interface for the statistical package R) and its use for univariate analysis.
14 Videos (Gesamt 86 min), 10 Lektüren, 3 Quiz
14 Videos
Rattle Installation Guidelines for Windows6m
Rattle Installation Guideline for MacOS11m
Rattle Interface for Windows9m
Lecture 1-1: Introduction to Analytics and Evolution of Statistical Inference3m
Lecture 1-2: From Data to Decisions9m
Lecture 1-3: The Evolution of Intelligent Machines3m
Lecture 1-4: Common Paradigms6m
Lecture 1-5-1: Examples of Paradigms – Part 14m
Lecture 1-5-2: Examples of Paradigms – Part 26m
Lecture 1-6: Introduction to Rattle4m
Lecture 1-7: Importing Datasets in Rattle8m
Lecture 1-8: Plotting Data and Creating Graphs in Rattle7m
Lecture 1-9: Rattle Practice and Summary3m
10 Lektüren
Syllabus30m
About the Discussion Forums10m
Glossary30m
Brand Descriptions30m
Update Your Profile10m
Module 0 Agenda5m
Rattle Tutorials (Interface, Windows, Mac)30m
Module 1 Overview20m
Module 1 Readings, Data Sets, and Slides1h
Module 1 Peer Review Assignment Answer Key20m
2 praktische Übungen
Orientation Quiz10m
Module 1 Graded Quiz30m
Woche
26 Stunden zum Abschließen
Module 2: Dating with Data
This session focuses on identifying relationships between dependent and independent variables using a regression model. The goal is to find the best fitted model to the data to learn about the underlying relationship of variables in the population.
8 Videos (Gesamt 63 min), 3 Lektüren, 3 Quiz
8 Videos
Lecture 2-2: Developing and Estimating a Model3m
Lecture 2-3: Univariate and Bivariate Plots8m
Lecture 2-4: Bivariate Correlation5m
Lecture 2-5-1: Estimating With Simple Models - Part 18m
Lecture 2-5-2: Estimating With Simple Models - Part 210m
Lecture 2-6: Improving the Model12m
Lecture 2-7: Model Improvement Practice and Summary8m
3 Lektüren
Module 2 Overview20m
Module 2 Readings, Data Sets, and Slides1h
Module 2 Peer Review Assignment Answer Key20m
2 praktische Übungen
Module 2 Practice Problems40m
Module 2 Graded Quiz30m
Woche
36 Stunden zum Abschließen
Module 3: Model Development and Testing with Holdout Data
This session introduces the student to use of a holdout data set for evaluating model performance. Methods of improving the model are discussed with emphasis on variable selection. Nuances of modeling discrete predictor variables and response variables are discussed.
8 Videos (Gesamt 66 min), 3 Lektüren, 4 Quiz
8 Videos
Lecture 3-2: Introducing Root Mean Square Error14m
Lecture 3-3: Variable Selection8m
Lecture 3-4: Variable Selection with R Scripts8m
Lecture 3-5: Introduction to Mallow's CP6m
Lecture 3-6-1: Modeling Example – Part 18m
Lecture 3-6-2: Modeling Example – Part 29m
Lecture 3-7: Example Wrap-Up and Summary6m
3 Lektüren
Module 3 Overview20m
Module 3 Readings, Data Sets, and Slides1h
Module 3 Peer Review Assignment Answer Key20m
3 praktische Übungen
Module 3 Practice Problems (A)40m
Module 3 Practice Problems (B)20m
Module 3 Graded Quiz30m
Woche
45 Stunden zum Abschließen
Module 4: Curse of Dimensionality
There has been a tremendous increase in the way data generation via sensors, digital platforms, user-generated content, etc. are being used in the industry. For example, sensors continuously record data and store it for analysis at a later point. In the way data gets captured, there can be a lot of redundancy. With more variables, comes more trouble! There may be very little (or no) incremental information gained from these sources. This is the problem of a high number of unwanted dimensions. To avoid this pitfall, data transformation and dimension reduction comes to the rescue by examining and extracting fewer dimensions while ensuring that it conveys the full information concisely.
7 Videos (Gesamt 67 min), 3 Lektüren, 3 Quiz
7 Videos
Lecture 4-2: Curse of Dimensionality9m
Lecture 4-3: Limitations of Scatterplots10m
Lecture 4-4: Principle Component Analysis10m
Lecture 4-5: Principle Component Analysis in Rattle9m
Lecture 4-6: Principle Component Analysis in Rattle With Regression10m
Lecture 4-7: Principle Component Analysis Exercise and Summary8m
3 Lektüren
Module 4 Overview20m
Module 4 Readings, Data Sets, and Slides1h
Module 4 Peer Review Assignment Answer Key20m
2 praktische Übungen
Module 4 Practice Problems
Module 4 Graded Quiz30m
Top-Bewertungen von Data Modeling and Regression Analysis in Business
The course was easy to understand and fun to practice at home which made it exciting and useful at the same time.
Dozent
Sridhar Seshadri
Professor of Business AdministrationBusiness Administration
Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.
Dieses Kurs ist Teil des reinen Onlineabschlusses Master of Science in Accountancy (iMSA) von University of Illinois at Urbana-Champaign.
Wenn Sie in das komplette Programm aufgenommen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.
Über University of Illinois at Urbana-Champaign
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera arbeitet mit erstklassigen Universitäten und Organisationen zusammen, um Online-Kurse anzubieten und dadurch universellen Zugriff auf die weltweit beste Ausbildung zu ermöglichen.
© 2020 Coursera Inc. Alle Rechte vorbehalten.
