Dieser Kurs ist Teil der Spezialisierung Spezialisierung Statistical Modeling for Data Science Applications

4.3

Sterne

19 Bewertungen

Brian Zaharatos

4.116 bereits angemeldet

von

Teil des Abschlusses Master of Science in Data Science
Mehr erfahren

Spezialisierung Statistical Modeling for Data Science ApplicationsUniversity of Colorado Boulder

Über diesen Kurs

31.797 kürzliche Aufrufe

This course will provide a set of foundational statistical modeling tools for data science. In particular, students will be introduced to methods, theory, and applications of linear statistical models, covering the topics of parameter estimation, residual diagnostics, goodness of fit, and various strategies for variable selection and model comparison. Attention will also be given to the misuse of statistical models and ethical implications of such misuse.
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Logo adapted from photo by Vincent Ledvina on Unsplash

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 1 von 3 in

Spezialisierung Statistical Modeling for Data Science Applications

Stufe „Mittel“

Calculus, linear algebra, and probability theory.

Ca. 45 Stunden zum Abschließen

Englisch

Kompetenzen, die Sie erwerben

Linear Model
R Programming
Statistical Model
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 1 von 3 in

Spezialisierung Statistical Modeling for Data Science Applications

Stufe „Mittel“

Calculus, linear algebra, and probability theory.

Ca. 45 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

4,71/5 (7 Bewertungen)

Brian Zaharatos

Director, Professional Master’s Degree in Applied Mathematics

Department of Applied Mathematics

6.557 Lernende

3 Kurse

von

University of Colorado Boulder

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieses Kurs ist Teil des reinen Onlineabschlusses als Master of Science in Data Science von University of Colorado Boulder. Wenn Sie zum gesamten Studiengang zugelassen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.

Mehr erfahren

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

8 Stunden zum Abschließen

Introduction to Statistical Models

8 Stunden zum Abschließen

8 Videos (Gesamt 82 min), 2 Lektüren, 5 Quiz

8 Videos

Frameworks and Goals of Statistical Modeling14mThe Assumption of Concept Validity7mThe Linear Regression Model11mMatrix Representation of the Linear Regression Model15mAssumptions of Linear Regression9mThe Appropriateness of Linear Regression11mInterpreting the Linear Regression Model I7mInterpreting the Linear Regression Model II5m

2 Lektüren

Welcome and Where to Find Help 10mInformation on Peer Reviews10m

2 praktische Übungen

Introduction to Statistical Modeling30mThe Linear Regression Model30m

Woche2

Woche 2

8 Stunden zum Abschließen

Linear Regression Parameter Estimation

8 Stunden zum Abschließen

9 Videos (Gesamt 134 min)

9 Videos

Introduction to Least Squares12mLinear Algebra for Least Squares9mDeriving the Least Squares Solution20mRegression Modeling in R: a First Pass19mJustifying Least Squares: the Gauss-Markov Theorem and Maximum Likelihood Estimation13mSums of Squares and Estimating the Error Variance19mThe Coefficient of Determination9mThe Problem of Non-identifiabiliity6mRegression Modeling in R: a Second Pass22m

2 praktische Übungen

Least Squares30mVariability and Identifiability in Regression Models30m

Woche3

Woche 3

9 Stunden zum Abschließen

Inference in Linear Regression

9 Stunden zum Abschließen

8 Videos (Gesamt 121 min), 1 Lektüre, 5 Quiz

8 Videos

Motivating Statistical Inference in the Linear Regression Context9mThe Sampling Distribution of the Least Squares Estimator23mT-Tests for Individual Regression Parameters14mT-Tests in R20mMotivating the F-Test: Multiple Statistical Comparisons8mThe F-Test22mThe F-Test in R10mConfidence Intervals in the Regression ContextConfidence Intervals in the Regression Context11m

1 Lektüre

Ethics in Statistical Practice and Communication: Five Recommendations30m

2 praktische Übungen

Statistical Inference: Intro and T-Tests30mStatistical Inference: the F-tests and Confidence Intervals30m

Woche4

Woche 4

6 Stunden zum Abschließen

Prediction and Explanation in Linear Regression Analysis

6 Stunden zum Abschließen

6 Videos (Gesamt 82 min)

Über den Spezialisierung Statistical Modeling for Data Science Applications

Statistical modeling lies at the heart of data science. Well crafted statistical models allow data scientists to draw conclusions about the world from the limited information present in their data. In this three credit sequence, learners will add some intermediate and advanced statistical modeling techniques to their data science toolkit. In particular, learners will become proficient in the theory and application of linear regression analysis; ANOVA and experimental design; and generalized linear and additive models. Emphasis will be placed on analyzing real data using the R programming language.

This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adapted from photo by Vincent Ledvina on Unsplash

Statistical Modeling for Data Science Applications

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.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
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.

Modern Regression Analysis in R

Über diesen Kurs

Kompetenzen, die Sie erwerben