Dieser Kurs ist Teil der Spezialisierung Spezialisierung Statistics with Python

4.4
Sterne
641 Bewertungen

87 %

Brenda Gunderson +2 weitere Dozenten

30.207 bereits angemeldet

von

Spezialisierung Statistics with PythonUniversity of Michigan

Über diesen Kurs

21.670 kürzliche Aufrufe

In this course, we will expand our exploration of statistical inference techniques by focusing on the science and art of fitting statistical models to data. We will build on the concepts presented in the Statistical Inference course (Course 2) to emphasize the importance of connecting research questions to our data analysis methods. We will also focus on various modeling objectives, including making inference about relationships between variables and generating predictions for future observations.
This course will introduce and explore various statistical modeling techniques, including linear regression, logistic regression, generalized linear models, hierarchical and mixed effects (or multilevel) models, and Bayesian inference techniques. All techniques will be illustrated using a variety of real data sets, and the course will emphasize different modeling approaches for different types of data sets, depending on the study design underlying the data (referring back to Course 1, Understanding and Visualizing Data with Python).

During these lab-based sessions, learners will work through tutorials focusing on specific case studies to help solidify the week’s statistical concepts, which will include further deep dives into Python libraries including Statsmodels, Pandas, and Seaborn. This course utilizes the Jupyter Notebook environment within Coursera.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 3 in

Spezialisierung Statistics with Python

Stufe „Mittel“

Completion of the first two courses in this specialization; high school-level algebra

Ca. 15 Stunden zum Abschließen

Englisch

Kompetenzen, die Sie erwerben

Bayesian Statistics
Python Programming
Statistical Model
statistical regression

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 3 in

Spezialisierung Statistics with Python

Stufe „Mittel“

Completion of the first two courses in this specialization; high school-level algebra

Ca. 15 Stunden zum Abschließen

Englisch

Dozenten

Dozentenbewertung

4,6/5 (89 Bewertungen)

von

University of Michigan

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung87%(2,357 Bewertungen)

Woche1

Woche 1

3 Stunden zum Abschließen

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

We begin this third course of the Statistics with Python specialization with an overview of what is meant by “fitting statistical models to data.” In this first week, we will introduce key model fitting concepts, including the distinction between dependent and independent variables, how to account for study designs when fitting models, assessing the quality of model fit, exploring how different types of variables are handled in statistical modeling, and clearly defining the objectives of fitting models.

3 Stunden zum Abschließen

8 Videos (Gesamt 73 min), 6 Lektüren, 1 Quiz

8 Videos

Welcome to the Course!3mFitting Statistical Models to Data with Python Guidelines5mWhat Do We Mean by Fitting Models to Data?18mTypes of Variables in Statistical Modeling13mDifferent Study Designs Generate Different Types of Data: Implications for Modeling9mObjectives of Model Fitting: Inference vs. Prediction11mPlotting Predictions and Prediction Uncertainty8mPython Statistics Landscape2m

6 Lektüren

Course Syllabus10mMeet the Course Team!10mHelp Us Learn More About You!10mAbout Our Datasets2mMixed effects models: Is it time to go Bayesian by default?15mPython Statistics Landscape1m

1 praktische Übung

Week 1 Assessment15m

Woche2

Woche 2

5 Stunden zum Abschließen

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

5 Stunden zum Abschließen

6 Videos (Gesamt 85 min), 4 Lektüren, 3 Quiz

6 Videos

Linear Regression Introduction11mLinear Regression Inference15mInterview: Causation vs Correlation18mLogistic Regression Introduction15mLogistic Regression Inference7mNHANES Case Study Tutorial (Linear and Logistic Regression)17m

4 Lektüren

Linear Regression Models: Notation, Parameters, Estimation Methods30mTry It Out: Continuous Data Scatterplot App15mImportance of Data Visualization: The Datasaurus Dozen10mLogistic Regression Models: Notation, Parameters, Estimation Methods30m

3 praktische Übungen

Linear Regression Quiz20mLogistic Regression Quiz15mWeek 2 Python Assessment20m

Woche3

Woche 3

4 Stunden zum Abschließen

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

In the third week of this course, we will be building upon the modeling concepts discussed in Week 2. Multilevel and marginal models will be our main topic of discussion, as these models enable researchers to account for dependencies in variables of interest introduced by study designs. We’ll be covering why and when we fit these alternative models, likelihood ratio tests, as well as fixed effects and their interpretations.

4 Stunden zum Abschließen

8 Videos (Gesamt 121 min), 2 Lektüren, 2 Quiz

8 Videos

What are Multilevel Models and Why Do We Fit Them?17mMultilevel Linear Regression Models21mMultilevel Logistic Regression models14mPractice with Multilevel Modeling: The Cal Poly App12mWhat are Marginal Models and Why Do We Fit Them?13mMarginal Linear Regression Models19mMarginal Logistic Regression11mNHANES Case Study Tutorial (Marginal and Multilevel Regression)10m

2 Lektüren

Visualizing Multilevel Models10mLikelihood Ratio Tests for Fixed Effects and Variance Components10m

2 praktische Übungen

Name That Model15mWeek 3 Python Assessment20m

Woche4

Woche 4

3 Stunden zum Abschließen

WEEK 4: Special Topics

In this final week, we introduce special topics that extend the curriculum from previous weeks and courses further. We will cover a broad range of topics such as various types of dependent variables, exploring sampling methods and whether or not to use survey weights when fitting models, and in-depth case studies utilizing Bayesian techniques to derive insights from data. You’ll also have the opportunity to apply Bayesian techniques in Python.

3 Stunden zum Abschließen

6 Videos (Gesamt 105 min), 4 Lektüren, 1 Quiz

6 Videos

Should We Use Survey Weights When Fitting Models?13mBayesian Approaches to Statistics and Modeling15mBayesian Approaches Case Study: Part I13mBayesian Approaches Case Study: Part II19mBayesian Approaches Case Study - Part III23mBayesian in Python19m

4 Lektüren

Other Types of Dependent Variables20mOptional: A Visual Introduction to Machine Learning20mCourse Feedback10mKeep Learning with Michigan Online10m

1 praktische Übung

Week 4 Python Assessment20m

Bewertungen

4.4

122 Bewertungen

5 stars
65,52 %
4 stars
20,28 %
3 stars
8,26 %
2 stars
3,43 %
1 star
2,49 %

Top-Bewertungen von FITTING STATISTICAL MODELS TO DATA WITH PYTHON

von YT21. Sep. 2020

The code examples may be more precise with detailed comments. Some codes are not understood, in other words codes can be refactored in a way that can be more suitable for reproducible studies.

von AA19. Juni 2020

The course was wonderful however, sometimes I felt that a little bit more details could be provided when python code was being explained for week 2.

von ST15. Juni 2021

It was very technical and a lot of the mathematics behind the models were not explained properly. The codes were also not explained properly

von KR12. Jan. 2021

These whole three certifications lays the foundation for learning Machine Learning a more in-depth way.

Alle Bewertungen anzeigen

Über den Spezialisierung Statistics with Python

This specialization is designed to teach learners beginning and intermediate concepts of statistical analysis using the Python programming language. Learners will learn where data come from, what types of data can be collected, study data design, data management, and how to effectively carry out data exploration and visualization. They will be able to utilize data for estimation and assessing theories, construct confidence intervals, interpret inferential results, and apply more advanced statistical modeling procedures. Finally, they will learn the importance of and be able to connect research questions to the statistical and data analysis methods taught to them.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird 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.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fitting Statistical Models to Data with Python

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Brenda Gunderson

Brady T. West

Kerby Shedden

von

University of Michigan

Lehrplan - Was Sie in diesem Kurs lernen werden

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Bewertungen

Top-Bewertungen von FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Über den Spezialisierung Statistics with Python

Häufig gestellte Fragen

Lernen Sie etwas Neues

Beliebte Datenverarbeitungskurse

Beliebte Informatik- und IT-Kurse

Beliebte Wirtschaftskurse

Coursera

Community

Mehr

Fitting Statistical Models to Data with Python

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Brenda Gunderson

Brady T. West

Kerby Shedden

von

University of Michigan

Lehrplan - Was Sie in diesem Kurs lernen werden

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Bewertungen

Top-Bewertungen von FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Über den Spezialisierung Statistics with Python

Häufig gestellte Fragen

Coursera Footer

Lernen Sie etwas Neues

Beliebte Datenverarbeitungskurse

Beliebte Informatik- und IT-Kurse

Beliebte Wirtschaftskurse

Coursera

Community

Mehr