Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models. Special cases of the regression model, ANOVA and ANCOVA will be covered as well. Analysis of residuals and variability will be investigated. The course will cover modern thinking on model selection and novel uses of regression models including scatterplot smoothing.
Johns Hopkins University
Über diesen Kurs
88,456 kürzliche Aufrufe
Was Sie lernen werden
Describe novel uses of regression models such as scatterplot smoothing
Investigate analysis of residuals and variability
Understand ANOVA and ANCOVA model cases
Use regression analysis, least squares and inference
Kompetenzen, die Sie erwerben
Model SelectionGeneralized Linear ModelLinear RegressionRegression Analysis
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
112 Stunden zum Abschließen
Week 1: Least Squares and Linear Regression
This week, we focus on least squares and linear regression.
9 Videos (Gesamt 74 min), 11 Lektüren, 4 Quiz
9 Videos
Introduction: Basic Least Squares6m
Technical Details (Skip if you'd like)2m
Introductory Data Example12m
Notation and Background7m
Linear Least Squares6m
Linear Least Squares Coding Example7m
Technical Details (Skip if you'd like)11m
Regression to the Mean11m
11 Lektüren
Welcome to Regression Models10m
Book: Regression Models for Data Science in R10m
Syllabus10m
Pre-Course Survey10m
Data Science Specialization Community Site10m
Where to get more advanced material10m
Regression10m
Technical details10m
Least squares10m
Regression to the mean10m
Practical R Exercises in swirl Part 110m
1 praktische Übung
Quiz 120m
Woche
211 Stunden zum Abschließen
Week 2: Linear Regression & Multivariable Regression
This week, we will work through the remainder of linear regression and then turn to the first part of multivariable regression.
10 Videos (Gesamt 70 min), 5 Lektüren, 4 Quiz
10 Videos
Interpreting Coefficients3m
Linear Regression for Prediction10m
Residuals5m
Residuals, Coding Example14m
Residual Variance7m
Inference in Regression5m
Coding Example6m
Prediction9m
Really, really quick intro to knitr3m
5 Lektüren
*Statistical* linear regression models10m
Residuals10m
Inference in regression10m
Looking ahead to the project10m
Practical R Exercises in swirl Part 210m
1 praktische Übung
Quiz 220m
Woche
313 Stunden zum Abschließen
Week 3: Multivariable Regression, Residuals, & Diagnostics
This week, we'll build on last week's introduction to multivariable regression with some examples and then cover residuals, diagnostics, variance inflation, and model comparison.
14 Videos (Gesamt 168 min), 5 Lektüren, 5 Quiz
14 Videos
Multivariable Regression part II10m
Multivariable Regression Continued8m
Multivariable Regression Examples part I19m
Multivariable Regression Examples part II22m
Multivariable Regression Examples part III7m
Multivariable Regression Examples part IV7m
Adjustment Examples17m
Residuals and Diagnostics part I5m
Residuals and Diagnostics part II9m
Residuals and Diagnostics part III9m
Model Selection part I7m
Model Selection part II22m
Model Selection part III12m
5 Lektüren
Multivariable regression10m
Adjustment10m
Residuals10m
Model selection10m
Practical R Exercises in swirl Part 310m
2 praktische Übungen
Quiz 314m
(OPTIONAL) Data analysis practice with immediate feedback (NEW! 10/18/2017)8m
Woche
417 Stunden zum Abschließen
Week 4: Logistic Regression and Poisson Regression
This week, we will work on generalized linear models, including binary outcomes and Poisson regression.
7 Videos (Gesamt 95 min), 6 Lektüren, 6 Quiz
7 Videos
GLMs21m
Logistic Regression part I17m
Logistic Regression part II3m
Logistic Regression part III8m
Poisson Regression part I12m
Poisson Regression part II12m
Hodgepodge18m
6 Lektüren
GLMs10m
Logistic regression10m
Count Data10m
Mishmash10m
Practical R Exercises in swirl Part 410m
Post-Course Survey10m
1 praktische Übung
Quiz 412m
23%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
25%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
14%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Top-Bewertungen von Regression Models
Excellent course that is jam-packed with useful material! It is quite challenging and gives a thorough grounding in how to approach the process of selecting a linear regression model for a data set.
It really helped me to have a better understanding of these Regression Models. However, I've noticed that there is a video recording repeated: Week 3, Model Selection. Part 3 is included in Part 2.
Dozenten
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Jeff Leek, PhD
Associate 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 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?
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.
© 2019 Coursera Inc. Alle Rechte vorbehalten.
