Онлайн-курс — сертифицированная профессиональная специализация по статистическому моделированию для приложений обработки данных от Google и Университета Колорадо в Боулдере.

Совершенствуйте свои навыки статистики для науки о данных. Изучите статистику, необходимую для успеха в области науки о данных.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

Средний уровень

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Линейная модель
  • регресс
  • язык Р
  • статистическая модель

What you will learn in the course

Courses for which the course is suitable

  • специалист по данным
  • Аналитик данных
  • Эксперт по статистике
  • Регрессионный анализатор
  • эксперт ANOVA
  • дизайнер экспериментов
  • Разрабатывает линейные модели
  • аналитик данных
  • Эксперт по аддитивному моделированию
  • Разработчик программного обеспечения в области науки о данных

Стажировка – серия курсов по 3 единицы.

Статистическое моделирование лежит в основе науки о данных. Хорошо разработанные статистические модели позволяют ученым, работающим с данными, делать выводы о мире на основе ограниченной информации, имеющейся в их данных. В этой серии из трех модулей учащиеся добавят в свой набор инструментов для анализа данных ряд промежуточных и продвинутых методов статической модели. В частности, учащиеся сосредоточатся на будущем и реализации:

  • Линейный регрессионный анализ
  • ANOVA и планирование экспериментов
  • Общие линейные модели и аддитивные модели

Акцент будет сделан на анализе реальных данных с использованием языка программирования R.

Информация о программе

Эту стажировку можно пройти для получения академического кредита в рамках программы магистратуры в области науки о данных (MS-DS), предлагаемой CU Boulder на платформе Coursera. MS-DS — это междисциплинарная программа, которая объединяет преподавателей из разных подразделений университета, таких как:

  • Прикладная математика
  • Информатика
  • информационные науки

MS-DS идеально подходит для людей с широким спектром высшего образования и профессиональным опытом в области информатики, информатики, математики и статистики, поскольку прием осуществляется на основе успеваемости и не требует подачи заявления. Более подробную информацию о программе MS-DS можно найти на сайте здесь .

Прикладной учебный проект

Учащиеся приобретут навыки реализации и применения статистических моделей, используя автоматически оцениваемые и рецензируемые задания Jupyter Notebook. В этих заданиях учащиеся будут использовать реалистичные данные и передовые модельно-статические методы для ответа на важные научные и бизнес-вопросы.

Details of the courses that make up the specialization

Современный регрессионный анализ в R

Курс 1 • 45 часов • 4,5 (28 оценок)

Детали курса
Что вы узнаете:
  • Опишите некоторые передовые методы коммуникативного поведения и этики в области статистики и науки о данных.
  • Объясните компоненты модели MLR, включая «системные» и «случайные» компоненты.
  • Описать и реализовать основанные на тестировании процедуры выбора моделей и выбрать «лучшую» модель в соответствии с заданной процедурой.
Навыки, которые вы приобретете:
  • Категория: Линейная модель
  • Категория: Регрессия
  • Категория: Программирование на R
  • Категория: статистическая модель

ANOVA и планирование экспериментов

Курс 2 • 39 часов • 4.0 (17 оценок)

Детали курса
Что вы узнаете:
  • Определите и интерпретируйте модель двустороннего дисперсионного анализа (и ANCOVA) как модель линейной регрессии.
  • Используйте двусторонние модели ANOVA и ANCOVA, чтобы ответить на вопросы исследования, используя реальные данные.
  • Определите и примените термины «регрессия», «повторные измерения» и «полноконтекстный факторный дизайн двустороннего дисперсионного анализа».
Навыки, которые вы приобретете:
  • Категория: расчет
  • Категория: и теория вероятностей
  • Категория: Линейная алгебра

Общие линейные модели и непараметрическая регрессия

Курс 3 • 42 часа • 4.4 (18 оценок)

Детали курса
Что вы узнаете:
  • Опишите, как обобщить структуру линейной модели, чтобы она соответствовала данным, которые не соответствуют стандартной модели линейной регрессии.
  • Перечислить преимущества и недостатки дополнительных (общих) моделей.
  • Описать, как можно обобщить аддитивную модель, включив в нее переменные ненормального отклика (т. е. определить обобщенную аддитивную модель).
Навыки, которые вы приобретете:
  • Категория: расчет
  • Категория: и теория вероятностей
  • Категория: Линейная алгебра