Master Data Analysis with R. Statistical mastery of data analysis including basic data visualization, statistical testing and inference, and linear modeling

4.6

Sterne

5,320 Bewertungen

Mine Çetinkaya-Rundel

von

Spezialisierung Data Analysis with RDuke University

Was Sie lernen werden

Analyze and visualize data

Perform hypothesis tests, interpret statistical results (e.g., p-values), and report the results of your analysis to clients

Fit, examine, and utilize regression models to examine relationships between multiple variables

Install and use R and RStudio

Kompetenzen, die Sie erwerben

Statistics
R Programming
Rstudio
Exploratory Data Analysis
Statistical Inference
Statistical Hypothesis Testing
Linear Regression
Regression Analysis

Über dieses Spezialisierung

27.717 kürzliche Aufrufe

In this Specialization, you will learn to analyze and visualize data in R and create reproducible data analysis reports, demonstrate a conceptual understanding of the unified nature of statistical inference, perform frequentist and Bayesian statistical inference and modeling to understand natural phenomena and make data-based decisions, communicate statistical results correctly, effectively, and in context without relying on statistical jargon, critique data-based claims and evaluated data-based decisions, and wrangle and visualize data with R packages for data analysis.

Praktisches Lernprojekt

You will produce a portfolio of data analysis projects from the Specialization that demonstrates mastery of statistical data analysis from exploratory analysis to inference to modeling, suitable for applying for statistical analysis or data scientist positions.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Anfänger“

Keine Vorkenntnisse erforderlich.

Etwa 5 Monate bis zum Abschluss

Empfohlenes Lerntempo: 2 Stunden/Woche

Englisch

Untertitel: Englisch, Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Spanisch

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Anfänger“

Keine Vorkenntnisse erforderlich.

Etwa 5 Monate bis zum Abschluss

Empfohlenes Lerntempo: 2 Stunden/Woche

Englisch

Untertitel: Englisch, Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Spanisch

So funktioniert die Spezialisierung

Kurse absolvieren

Eine Coursera-Spezialisierung ist eine Reihe von Kursen, in denen Sie eine Kompetenz erwerben. Um zu beginnen, melden Sie sich direkt für die Spezialisierung an oder überprüfen Sie deren Kurse und wählen Sie denjenigen Kurs aus, mit dem Sie beginnen möchten. Wenn Sie einen Kurs abonnieren, der Bestandteil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung Es ist in Ordnung, wenn Sie nur einen Kurs absolvieren möchten — Sie können Ihren Lernprozess jederzeit unterbrechen oder Ihr Abonnement kündigen. Gehen Sie zu Ihrem Lernender-Dashboard, um Ihre Kursanmeldungen und Ihren Fortschritt zu verfolgen.

Praxisprojekt

Jede Spezialisierung umfasst ein Praxisprojekt. Sie müssen das Projekt/die Projekte erfolgreich abschließen, um die Spezialisierung abzuschließen und Ihr Zertifikat zu erwerben. Wenn die Spezialisierung einen separaten Kurs für das Praxisprojekt umfasst, müssen Sie zunächst alle anderen Kurse abschließen, bevor Sie damit beginnen können.

Zertifikat erwerben

Wenn Sie alle Kurse und das Praxisprojekt abgeschlossen haben, erhalten Sie ein Zertifikat, dass Sie für potenzielle Arbeitgeber und Ihr berufliches Netzwerk freigeben können.

Es gibt 3 Kurse in dieser Spezialisierung

Kurs1

Kurs 1

Introduction to Probability and Data with R

4.7

Sterne

5,111 Bewertungen

•

1,228 Bewertungen

This course introduces you to sampling and exploring data, as well as basic probability theory and Bayes' rule. You will examine various types of sampling methods, and discuss how such methods can impact the scope of inference. A variety of exploratory data analysis techniques will be covered, including numeric summary statistics and basic data visualization. You will be guided through installing and using R and RStudio (free statistical software), and will use this software for lab exercises and a final project. The concepts and techniques in this course will serve as building blocks for the inference and modeling courses in the Specialization.

Kurs2

Kurs 2

Inferenzstatistik

4.8

Sterne

2,394 Bewertungen

•

433 Bewertungen

This course covers commonly used statistical inference methods for numerical and categorical data. You will learn how to set up and perform hypothesis tests, interpret p-values, and report the results of your analysis in a way that is interpretable for clients or the public. Using numerous data examples, you will learn to report estimates of quantities in a way that expresses the uncertainty of the quantity of interest. You will be guided through installing and using R and RStudio (free statistical software), and will use this software for lab exercises and a final project. The course introduces practical tools for performing data analysis and explores the fundamental concepts necessary to interpret and report results for both categorical and numerical data

Kurs3

Kurs 3

Linear Regression and Modeling

4.7

Sterne

1,576 Bewertungen

•

293 Bewertungen

This course introduces simple and multiple linear regression models. These models allow you to assess the relationship between variables in a data set and a continuous response variable. Is there a relationship between the physical attractiveness of a professor and their student evaluation scores? Can we predict the test score for a child based on certain characteristics of his or her mother? In this course, you will learn the fundamental theory behind linear regression and, through data examples, learn to fit, examine, and utilize regression models to examine relationships between multiple variables, using the free statistical software R and RStudio.

Dozent

Mine Çetinkaya-Rundel

Associate Professor of the Practice

Department of Statistical Science

333.599 Lernende

7 Kurse

von

Duke University

Duke University has about 13,000 undergraduate and graduate students and a world-class faculty helping to expand the frontiers of knowledge. The university has a strong commitment to applying knowledge in service to society, both near its North Carolina campus and around the world.

Häufig gestellte Fragen

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.
Kann ich mich auch nur für einen Kurs anmelden?
Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich anmelden und den Kurs absolvieren, um ein teilbares Zertifikat zu erwerben, oder Sie können als Gast teilnehmen, um die Kursmaterialien gratis einzusehen. Wenn Sie einen Kurs abonnieren, der Teil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung. Auf Ihrem Kursteilnehmer-Dashboard können Sie Ihren Fortschritt verfolgen.
Ist finanzielle Unterstützung möglich?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.
Kann ich kostenlos an diesem Kurs teilnehmen?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse in der Spezialisierung und Sie erwerben ein Zertifikat, wenn Sie die Arbeit abschließen. Wenn Sie lediglich den Kursinhalt lesen und anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen. Wenn Sie die Gebühr nicht bezahlen können, haben Sie die Möglichkeit, finanzielle Hilfe zu beantragen.
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Dieser Kurs findet ausschließlich online statt, Sie müssen also zu keiner Sitzung persönlich erscheinen. Sie können jederzeit und überall über das Netz oder Ihr Mobilgerät auf Ihre Vorträge, Lektüren und Aufgaben zugreifen.
What background knowledge is necessary?
Basic math, no programming experience required. A genuine interest in data analysis is a plus!
In the later courses in the Specialization, we assume knowledge and skills equivalent to those which would have been gained in the prior courses (for example: if you decide to take course four, Bayesian Statistics, without taking the prior three courses we assume you have knowledge of frequentist statistics and R equivalent to what is taught in the first three courses).
Do I need to take the courses in a specific order?
Yes.
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
Coursera courses and certificates don't carry university credit, though some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.
What if I already have a certificate from Data Analysis and Statistical Inference?
In this specialization, R is a requirement, and the labs have been enhanced and revised from the previous course. Success in the fourth course and the capstone project will depend heavily on successfully completing the first three courses in this specialization. Therefore, we require all students complete all courses to obtain the certificate.
Do I need specific software?
Yes. You will need R and RStudio. Both are free and publicly available. You will need administrator access to your computer to install this software.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.