Dieser Kurs ist Teil der Spezialisierung Spezialisierung Statistics with Python

4.7
Sterne
2,425 Bewertungen

95 %

Brenda Gunderson +2 weitere Dozenten

114.301 bereits angemeldet

von

Spezialisierung Statistics with PythonUniversity of Michigan

Über diesen Kurs

137.722 kürzliche Aufrufe

In this course, learners will be introduced to the field of statistics, including where data come from, study design, data management, and exploring and visualizing data. Learners will identify different types of data, and learn how to visualize, analyze, and interpret summaries for both univariate and multivariate data. Learners will also be introduced to the differences between probability and non-probability sampling from larger populations, the idea of how sample estimates vary, and how inferences can be made about larger populations based on probability sampling.
At the end of each week, learners will apply the statistical concepts they’ve learned using Python within the course environment. During these lab-based sessions, learners will discover the different uses of Python as a tool, including the Numpy, Pandas, Statsmodels, Matplotlib, and Seaborn libraries. Tutorial videos are provided to walk learners through the creation of visualizations and data management, all within Python. 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.

Kurs 1 von 3 in

Spezialisierung Statistics with Python

Stufe „Anfänger“

High school algebra

Ca. 21 Stunden zum Abschließen

Englisch

Was Sie lernen werden

Properly identify various data types and understand the different uses for each
Create data visualizations and numerical summaries with Python
Communicate statistical ideas clearly and concisely to a broad audience
Identify appropriate analytic techniques for probability and non-probability samples

Kompetenzen, die Sie erwerben

Statistics
Data Analysis
Python Programming
Data Visualization (DataViz)

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.

Kurs 1 von 3 in

Spezialisierung Statistics with Python

Stufe „Anfänger“

High school algebra

Ca. 21 Stunden zum Abschließen

Englisch

Dozenten

Dozentenbewertung

4,67/5 (525 Bewertungen)

von

University of Michigan

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung95%(17,170 Bewertungen)

Woche

Woche 1

5 Stunden zum Abschließen

WEEK 1 - INTRODUCTION TO DATA

In the first week of the course, we will review a course outline and discover the various concepts and objectives to be mastered in the weeks to come. You will get an introduction to the field of statistics and explore a variety of perspectives the field has to offer. We will identify numerous types of data that exist and observe where they can be found in everyday life. You will delve into basic Python functionality, along with an introduction to Jupyter Notebook. All of the course information on grading, prerequisites, and expectations are on the course syllabus and you can find more information on our Course Resources page.

5 Stunden zum Abschließen

11 Videos (Gesamt 114 min), 8 Lektüren, 2 Quiz

11 Videos

Welcome to the Course!2m

Understanding and Visualizing Data Guidelines3m

What is Statistics?9m

Interview: Perspectives on Statistics in Real Life28m

(Cool Stuff in) Data8m

Where Do Data Come From?12m

Variable Types5m

Study Design6m

Introduction to Jupyter Notebooks9m

Data Types in Python12m

Introduction to Libraries and Data Management13m

8 Lektüren

Course Syllabus5m

Syllabus - New10m

Meet the Course Team!10m

About Our Datasets2m

Help Us Learn More About You!10m

Resource: This is Statistics10m

Let's Play with Data!10m

Data management and manipulation10m

2 praktische Übungen

Practice Quiz - Variable Types30m

Assessment: Different Data Types10m

Woche

Woche 2

5 Stunden zum Abschließen

WEEK 2 - UNIVARIATE DATA

In the second week of this course, we will be looking at graphical and numerical interpretations for one variable (univariate data). In particular, we will be creating and analyzing histograms, box plots, and numerical summaries of our data in order to give a basis of analysis for quantitative data and bar charts and pie charts for categorical data. A few key interpretations will be made about our numerical summaries such as mean, IQR, and standard deviation. An assessment is included at the end of the week concerning numerical summaries and interpretations of these summaries.

5 Stunden zum Abschließen

8 Videos (Gesamt 92 min), 2 Lektüren, 3 Quiz

8 Videos

Categorical Data: Tables, Bar Charts & Pie Charts4m

Quantitative Data: Histograms12m

Quantitative Data: Numerical Summaries9m

Standard Score (Empirical Rule)7m

Quantitative Data: Boxplots6m

Demo: Interactive Histogram & Boxplot4m

Important Python Libraries21m

Tables, Histograms, Boxplots in Python25m

2 Lektüren

What's Going on in This Graph?10m

Modern Infographics10m

3 praktische Übungen

Practice Quiz: Summarizing Graphs in Words15m

Assessment: Numerical Summaries10m

Python Assessment: Univariate Analysis10m

Woche

Woche 3

5 Stunden zum Abschließen

WEEK 3 - MULTIVARIATE DATA

In the third week of this course on looking at data, we’ll introduce key ideas for examining research questions that require looking at more than one variable. In particular, we will consider both numerically and visually how different variables interact, how summaries can appear deceiving if you don’t properly account for interactions, and differences between quantitative and categorical variables. This week’s assignment will consist of a writing assignment along with reviewing those of your peers.

5 Stunden zum Abschließen

7 Videos (Gesamt 56 min), 3 Lektüren, 3 Quiz

7 Videos

Looking at Associations with Multivariate Categorical Data9m

Looking at Associations with Multivariate Quantitative Data7m

Demo: Interactive Scatterplot2m

Introduction to Pizza Assignment2m

Multivariate Data Selection19m

Multivariate Distributions8m

Unit Testing5m

3 Lektüren

Pitfall: Simpson's Paradox10m

Modern Ways to Visualize Data10m

Pizza Study Design Assignment Instructions10m

2 praktische Übungen

Practice Quiz: Multivariate Data10m

Python Assessment: Multivariate Analysis15m

Woche

Woche 4

6 Stunden zum Abschließen

WEEK 4 - POPULATIONS AND SAMPLES

In this week, you’ll spend more time thinking about where data come from. The highest-quality statistical analyses of data will always incorporate information about the process used to generate the data, or features of the data collection design. You’ll be exposed to important concepts related to sampling from larger populations, including probability and non-probability sampling, and how we can make inferences about larger populations based on well-designed samples. You’ll also learn about the concept of a sampling distribution, and how estimation of the variance of that distribution plays a critical role in making statements about populations. Finally, you’ll learn about the importance of reading the documentation for a given data set; a key step in looking at data is also looking at the available documentation for that data set, which describes how the data were generated.

6 Stunden zum Abschließen

15 Videos (Gesamt 223 min), 8 Lektüren, 2 Quiz

15 Videos

Sampling from Well-Defined Populations16m

Probability Sampling: Part I10m

Probability Sampling: Part II15m

Non-Probability Sampling: Part I10m

Non-Probability Sampling: Part II9m

Sampling Variance & Sampling Distributions: Part I15m

Sampling Variance & Sampling Distributions: Part II7m

Demo: Interactive Sampling Distribution21m

Beyond Means: Sampling Distributions of Other Common Statistics10m

Making Population Inference Based on Only One Sample14m

Inference for Non-Probability Samples17m

Complex Samples23m

Sampling from a Biased Population15m

Randomness and Reproducibility14m

The Empirical Rule of Distribution18m

8 Lektüren

Building on Visualization Concepts5m

Potential Pitfalls of Non-Probability Sampling: A Case Study10m

Resource: Seeing Theory10m

Article: Jerzy Neyman on Population Inference10m

Preventing Bad/Biased Samples10m

Optional: Deeper Dive Reference10m

Course Feedback10m

Keep Learning with Michigan Online10m

2 praktische Übungen

Assessment: Distinguishing Between Probability & Non-Probability Samples10m

Generating Random Data and Samples20m

Bewertungen

4.7

514 Bewertungen

5 stars
76,21 %
4 stars
18,46 %
3 stars
3,54 %
2 stars
0,90 %
1 star
0,86 %

Top-Bewertungen von UNDERSTANDING AND VISUALIZING DATA WITH PYTHON

von MR2. Juni 2020

Never have I come across a course half as interactive as this and it was a much needed confidence booster for a beginner like me. I look forward to completing the specialization : )

von SB10. Okt. 2019

Really enjoyed this course. Looking forward to the next part of the specialization. I thought the quality of the lectures was excellent and made the topic interesting and digestible

von AT21. Mai 2020

Excellent course materials, especially the videos, with content that is thoughtfully composed and carefully edited. Very good python training, great instructors, and overall great learning experience.

von SD6. Juni 2021

A very well explained and well-structered course. I highly recommend to those who want learn statistics along with python programming. This course majorly focuses on the visualization aspect.

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.

Understanding and Visualizing Data with Python

Über diesen Kurs

Was Sie lernen werden

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 - INTRODUCTION TO DATA

WEEK 2 - UNIVARIATE DATA

WEEK 3 - MULTIVARIATE DATA

WEEK 4 - POPULATIONS AND SAMPLES

Bewertungen

Top-Bewertungen von UNDERSTANDING AND VISUALIZING DATA WITH PYTHON

Über den Spezialisierung Statistics with Python

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Understanding and Visualizing Data with Python

Über diesen Kurs

Was Sie lernen werden

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 - INTRODUCTION TO DATA

WEEK 2 - UNIVARIATE DATA

WEEK 3 - MULTIVARIATE DATA

WEEK 4 - POPULATIONS AND SAMPLES

Bewertungen

Top-Bewertungen von UNDERSTANDING AND VISUALIZING DATA WITH PYTHON

Über den Spezialisierung Statistics with Python

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr