在线课程 – Google 和科罗拉多大学博尔德分校的数据科学应用统计建模专业认证

提高数据科学的统计技能。了解在数据科学领域取得成功所需的统计数据。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

中档

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 线性模型
  • 回归
  • R 语言
  • 统计模型

What you will learn in the course

Courses for which the course is suitable

  • 数据科学家
  • 数据分析师
  • 统计专家
  • 回归分析器
  • 方差分析专家
  • 实验设计器
  • 开发线性模型
  • 数据分析师
  • 增材建模专家
  • 数据科学软件开发人员

专业 – 3 单元课程系列

统计建模是数据科学的核心。设计良好的统计模型使数据科学家能够从其数据中可用的有限信息中得出有关世界的结论。在这个由三个单元组成的系列中,学习者将向他们的数据科学工具箱中添加许多中级和高级建模技术。特别是,学习者将专注于以下方面的未来和应用:

  • 线性回归分析
  • 方差分析和实验设计
  • 一般线性模型和加法模型

重点将放在使用 R 编程语言分析真实数据上。

计划信息

作为科罗拉多大学在 Coursera 平台上提供的数据科学硕士 (MS-DS) 课程的一部分,该专业可以用于学分。MS-DS 是一个跨学科课程,汇集了来自大学不同部门的教师,例如:

  • 应用数学
  • 计算机科学
  • 信息学

MS-DS 基于表现录取且无需申请流程,非常适合在计算机科学、信息科学、数学和统计学方面拥有广泛本科教育和专业经验的个人。有关 MS-DS 计划的更多信息,请访问 此处的网站。

应用学习项目

学习者将通过自动评分的 Jupyter Notebook 任务和同行审计,专门研究统计模型的应用和应用。在这些任务中,学习者将使用真实的数据和先进的建模技术来回答重要的科学和商业问题。

Details of the courses that make up the specialization

R 中的现代回归分析

课程 1 • 45 小时 • 4.5 (28 个评分)

课程详情
您将学到什么:
  • 您将为统计和数据科学领域的传播行为和道德制定一些最佳实践。
  • 解释 MLR 模型的组成部分,包括 “系统” 和 “随机” 成分。
  • 描述并应用基于测试的模型选择程序,并根据给定的过程选择“最佳”模型。
您将获得的技能:
  • 类别: 线性模型
  • 类别: 回归
  • 类别: R 编程
  • 类别: 统计模型

方差分析和实验设计

课程 2 • 39 小时 • 4.0 (17 个评分)

课程详情
您将学到什么:
  • 将双向方差分析模型(和 ANCOVA)识别并解释为线性回归模型。
  • 使用双向方差分析和 ANCOVA 模型,使用真实数据回答研究问题。
  • 定义并应用术语 repetition、repeat measurements 和 bidirectional ANOVA full-context factorial design。
您将获得的技能:
  • 类别: 计算
  • 类别: 概率论
  • 类别: 线性代数

一般线性模型和非参数回归

课程 3 • 42 小时 • 4.4 (18 个评分)

课程详情
您将学到什么:
  • 描述如何泛化线性模型框架,以便拟合不适合标准线性回归模型的数据。
  • 列出其他 (通用) 模型的优缺点。
  • 描述如何泛化加性模型以包括异常响应变量(即定义一般加性模型)。
您将获得的技能:
  • 类别: 计算
  • 类别: 概率论
  • 类别: 线性代数