Modelleer jezelf als model. In deze lessen zul je jezelf uitrusten met vaardigheden op het gebied van SAS-statistieken, modellering en programmeren, inclusief ANOVA, regressie, logistische regressie, zakelijke toepassingen van modellering en modelleringsuitdagingen.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Dit programma is bedoeld voor mensen die hun vaardigheden op het gebied van voorspellen en statistisch modelleren willen verbeteren om datagestuurde bedrijfsresultaten te behalen. Als het modelleren van gegevens voor bedrijfsresultaten deel uitmaakt van uw rol of branche, is dit certificaat een belangrijk bewijs van uw vaardigheden.
Een praktisch leerproject
Tijdens de drie cursussen in het programma zijn er veel praktische oefeningen. De gegevensvoorbeelden zijn algemeen genoeg om in een grote verscheidenheid aan domeinen te passen. Specifieke voorbeelden die u in de cursussen zult tegenkomen, hebben betrekking op landbouw, productie, gezondheidszorg, banken, detailhandel en non-profitorganisaties.
Cursus 1 • 10 uur • 4,6 (115 beoordelingen)
Deze cursus is bedoeld voor gebruikers van SAS-software die statistische analyses uitvoeren met behulp van SAS/STAT-software. De cursus richt zich op t-toetsen, ANOVA en lineaire regressie, en bevat een korte introductie tot logistische regressie.
Cursus 2 • 11 uur • 4,7 (48 beoordelingen)
Deze cursus is bedoeld voor gebruikers van SAS-software die statistische analyses uitvoeren met behulp van SAS/STAT-software. De cursus richt zich op t-toetsen, ANOVA en lineaire regressie, en bevat een korte introductie tot logistische regressie.
Cursus 3 • 16 uur • 4,6 (53 beoordelingen)
Deze cursus behandelt voorspellende modellen met behulp van SAS/STAT-software, met de nadruk op het logistieke proces. De cursus omvat ook een bespreking van de selectie en interacties van variabelen, categorische variabelendans op basis van gedeeltelijk bewijsgewicht, modelschatting, het omgaan met ontbrekende waarden en het gebruik van efficiënte technieken voor grote datasets. Je leert logistieke regressie te gebruiken om het gedrag van een individu te meten als een functie van bekende inputs, effectgrafieken en waarschijnlijkheidsgrafieken te maken, ontbrekende waarden te beheren en problemen van meervoudige correlatie tussen voorspellers aan te pakken. Daarnaast leer je de prestaties van modellen evalueren en modellen vergelijken.
