Modelate como modelo. En estas clases, adquirirá habilidades en estadística, modelado y programación de SAS, incluidos ANOVA, regresión, regresión logística, aplicaciones comerciales de modelado y desafíos en el modelado.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Este programa está diseñado para personas que desean mejorar sus habilidades de modelado estadístico y predictivo para obtener resultados comerciales basados en datos. Si modelar datos para resultados comerciales es parte de su trabajo o industria, este certificado es una prueba importante de su habilidad.
Un proyecto de aprendizaje práctico.
Durante los tres cursos del programa hay muchos ejercicios prácticos. Los ejemplos de datos son lo suficientemente generales como para adaptarse a una amplia variedad de dominios. Los ejemplos específicos que verá en los cursos se relacionan con la agricultura, la manufactura, la atención médica, la banca, el comercio minorista y las organizaciones sin fines de lucro.
Curso 1 • 10 horas • 4,6 (115 valoraciones)
Este curso está dirigido a usuarios del software SAS que realizan análisis estadísticos utilizando el software SAS/STAT. El curso se centra en pruebas t, ANOVA y regresión lineal, e incluye una breve introducción a la regresión logística.
Curso 2 • 11 horas • 4,7 (48 valoraciones)
Este curso está dirigido a usuarios del software SAS que realizan análisis estadísticos utilizando el software SAS/STAT. El curso se centra en pruebas t, ANOVA y regresión lineal, e incluye una breve introducción a la regresión logística.
Curso 3 • 16 horas • 4,6 (53 valoraciones)
Este curso trata sobre modelos predictivos utilizando software SAS/STAT, con énfasis en el procedimiento logístico. El curso también incluye una discusión sobre la selección e interacciones de variables, baile de variables categóricas basado en ponderación de evidencia parcial, estimación de modelos, manejo de valores faltantes y uso de técnicas eficientes para grandes conjuntos de datos. Aprenderá a utilizar la regresión logística para medir el comportamiento de un individuo en función de entradas conocidas, crear gráficos de efectos y gráficos de probabilidad, gestionar valores faltantes y abordar problemas de correlación múltiple entre predictores. Además, aprenderá a evaluar el rendimiento del modelo y comparar modelos.
