Über diesen Kurs
119,144 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Anfänger“

High school algebra

Ca. 22 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-6 hours/week...

Englisch

Untertitel: Englisch, Koreanisch

Was Sie lernen werden

  • Check

    Properly identify various data types and understand the different uses for each

  • Check

    Create data visualizations and numerical summaries with Python

  • Check

    Communicate statistical ideas clearly and concisely to a broad audience

  • Check

    Identify appropriate analytic techniques for probability and non-probability samples

Kompetenzen, die Sie erwerben

StatisticsData AnalysisPython ProgrammingData Visualization (DataViz)

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Anfänger“

High school algebra

Ca. 22 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-6 hours/week...

Englisch

Untertitel: Englisch, Koreanisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
5 Stunden zum Abschließen

WEEK 1 - INTRODUCTION TO DATA

10 Videos (Gesamt 110 min), 8 Lektüren, 2 Quiz
10 Videos
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
Meet the Course Team!10m
About Our Datasets2m
Help Us Learn More About You!10m
Resource: This is Statistics10m
Course Syllabus5m
Let's Play with Data!10m
Data management and manipulation10m
2 praktische Übungen
Practice Quiz - Variable Types30m
Assessment: Different Data Types10m
Woche
2
5 Stunden zum Abschließen

WEEK 2 - UNIVARIATE DATA

8 Videos (Gesamt 92 min), 2 Lektüren, 3 Quiz
8 Videos
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
3
5 Stunden zum Abschließen

WEEK 3 - MULTIVARIATE DATA

7 Videos (Gesamt 56 min), 3 Lektüren, 3 Quiz
7 Videos
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
4
6 Stunden zum Abschließen

WEEK 4 - POPULATIONS AND SAMPLES

15 Videos (Gesamt 223 min), 6 Lektüren, 2 Quiz
15 Videos
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
6 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
Course Feedback10m
2 praktische Übungen
Assessment: Distinguishing Between Probability & Non-Probability Samples10m
Generating Random Data and Samples20m
4.7
68 BewertungenChevron Right

50%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

Top-Bewertungen von Understanding and Visualizing Data with Python

von FGApr 4th 2019

Excellent introductory course to statistics. Great use of NHANES dataset to demonstrate techniques on real dataset. I would appreciate a more demanding project at the course end.

von JSJan 24th 2019

I strongly recommend this course to those who want to begin python programming applied to statistics. It launches a very sound foundation for statistical inference theory.

Dozenten

Avatar

Brenda Gunderson

Lecturer IV and Research Fellow
Department of Statistics
Avatar

Brady T. West

Research Associate Professor
Institute for Social Research
Avatar

Kerby Shedden

Professor
Department of Statistics

Über University of Michigan

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future....

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....
Statistics with Python

Häufig gestellte Fragen

  • 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.

  • 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.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..