Welcome to the Advanced Linear Models for Data Science Class 1: Least Squares. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: - A basic understanding of linear algebra and multivariate calculus. - A basic understanding of statistics and regression models. - At least a little familiarity with proof based mathematics. - Basic knowledge of the R programming language. After taking this course, students will have a firm foundation in a linear algebraic treatment of regression modeling. This will greatly augment applied data scientists' general understanding of regression models.
Advanced Linear Models for Data Science 1: Least Squares
von
Advanced Linear Models for Data Science 1: Least Squares
Johns Hopkins University
Über diesen Kurs
4,973 kürzliche Aufrufe
Learner Career Outcomes
Kompetenzen, die Sie erwerben
StatisticsLinear RegressionR ProgrammingLinear Algebra
Learner Career Outcomes
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 11 Stunden zum Abschließen
Empfohlen: 6 weeks of study, 1-2 hours/week
Englisch
Untertitel: Englisch
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
11 Stunde zum Abschließen
Background
We cover some basic matrix algebra results that we will need throughout the class. This includes some basic vector derivatives. In addition, we cover some some basic uses of matrices to create summary statistics from data. This includes calculating and subtracting means from observations (centering) as well as calculating the variance.
7 Videos (Gesamt 28 min), 4 Lektüren, 1 Quiz
7 Videos
Matrix derivatives5m
Coding example2m
Centering by matrix multiplication6m
Coding example2m
Variance via matrix multiplication6m
Coding example2m
4 Lektüren
Welcome to the class10m
Course textbook10m
Grading10m
In this module10m
1 praktische Übung
Background Quiz12m
Woche
21 Stunde zum Abschließen
One and two parameter regression
In this module, we cover the basics of regression through the origin and linear regression. Regression through the origin is an interesting case, as one can build up all of multivariate regression with it.
6 Videos (Gesamt 29 min), 2 Lektüren, 1 Quiz
6 Videos
Centering first8m
Coding example1m
Connection with linear regression7m
Coding example1m
Fitted values and residuals4m
2 Lektüren
Before you begin10m
Before you begin10m
1 praktische Übung
One Parameter Regression Quiz10m
Woche
31 Stunde zum Abschließen
Linear regression
In this lecture, we focus on linear regression, the most standard technique for investigating unconfounded linear relationships.
8 Videos (Gesamt 23 min), 2 Lektüren, 1 Quiz
8 Videos
Coding example1m
Prediction2m
Coding example2m
Residuals2m
Coding example1m
Generalizations6m
Generalizations example2m
2 Lektüren
Before you begin10m
Generalizations10m
1 praktische Übung
Linear Regression Quiz12m
Woche
41 Stunde zum Abschließen
General least squares
We now move on to general least squares where an arbitrary full rank design matrix is fit to a vector outcome.
6 Videos (Gesamt 39 min), 1 Lektüre, 1 Quiz
6 Videos
Coding example3m
Second derivation of least squares4m
Projections9m
Third derivation of least squares12m
Coding example4m
1 Lektüre
Before you begin10m
1 praktische Übung
General Least Squares Quiz20m
Top-Bewertungen von Advanced Linear Models for Data Science 1: Least Squares
We need more advanced, theoretical courses on Coursera, like this one, in order to deeply understand the more general courses like Regression Models and Linear Models.
Good mathematical rigour for the analysis of linear models. Builds some good intuition for the geometry of least squares which helps in model result interpretation.
Dozent
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Über Johns Hopkins University
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
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.
