Este curso forma parte de Programa especializado: Statistical Modeling for Data Science Applications

4.3

estrellas

18 calificaciones

Brian Zaharatos

3815 ya inscrito

Ofrecido Por

Parte del título de grado Master of Science in Data Science
Más información

Programa especializado: Statistical Modeling for Data Science ApplicationsUniversidad de Colorado en Boulder

Acerca de este Curso

23.976 vistas recientes

This course will provide a set of foundational statistical modeling tools for data science. In particular, students will be introduced to methods, theory, and applications of linear statistical models, covering the topics of parameter estimation, residual diagnostics, goodness of fit, and various strategies for variable selection and model comparison. Attention will also be given to the misuse of statistical models and ethical implications of such misuse.
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Logo adapted from photo by Vincent Ledvina on Unsplash

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 1 de 3 en

Programa especializado: Statistical Modeling for Data Science Applications

Nivel intermedio

Calculus, linear algebra, and probability theory.

Aprox. 45 horas para completar

Inglés (English)

Habilidades que obtendrás

Linear Model
R Programming
Statistical Model
regression

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 1 de 3 en

Programa especializado: Statistical Modeling for Data Science Applications

Nivel intermedio

Calculus, linear algebra, and probability theory.

Aprox. 45 horas para completar

Inglés (English)

Instructor

Calificación del instructor

4,71/5 (7 calificaciones)

Brian Zaharatos

Director, Professional Master’s Degree in Applied Mathematics

Department of Applied Mathematics

6122 alumnos

3 cursos

Ofrecido por

Universidad de Colorado en Boulder

Comienza a trabajar para obtener tu maestría

Este curso es parte del Master of Science in Data Science completamente en línea de Universidad de Colorado en Boulder. Si te aceptan en el programa completo, tus cursos cuentan para tu título de grado.

Más información

Programa - Qué aprenderás en este curso

Semana

Semana 1

8 horas para completar

Introduction to Statistical Models

8 horas para completar

8 videos (Total 82 minutos), 2 lecturas, 5 cuestionarios

8 videos

Frameworks and Goals of Statistical Modeling14m

The Assumption of Concept Validity7m

The Linear Regression Model11m

Matrix Representation of the Linear Regression Model15m

Assumptions of Linear Regression9m

The Appropriateness of Linear Regression11m

Interpreting the Linear Regression Model I7m

Interpreting the Linear Regression Model II5m

2 lecturas

Welcome and Where to Find Help10m

Information on Peer Reviews10m

2 ejercicios de práctica

Introduction to Statistical Modeling30m

The Linear Regression Model30m

Semana

Semana 2

8 horas para completar

Linear Regression Parameter Estimation

8 horas para completar

9 videos (Total 134 minutos)

9 videos

Introduction to Least Squares12m

Linear Algebra for Least Squares9m

Deriving the Least Squares Solution20m

Regression Modeling in R: a First Pass19m

Justifying Least Squares: the Gauss-Markov Theorem and Maximum Likelihood Estimation13m

Sums of Squares and Estimating the Error Variance19m

The Coefficient of Determination9m

The Problem of Non-identifiabiliity6m

Regression Modeling in R: a Second Pass22m

2 ejercicios de práctica

Least Squares30m

Variability and Identifiability in Regression Models30m

Semana

Semana 3

9 horas para completar

Inference in Linear Regression

9 horas para completar

8 videos (Total 121 minutos), 1 lectura, 5 cuestionarios

8 videos

Motivating Statistical Inference in the Linear Regression Context9m

The Sampling Distribution of the Least Squares Estimator23m

T-Tests for Individual Regression Parameters14m

T-Tests in R20m

Motivating the F-Test: Multiple Statistical Comparisons8m

The F-Test22m

The F-Test in R10m

Confidence Intervals in the Regression ContextConfidence Intervals in the Regression Context11m

1 lectura

Ethics in Statistical Practice and Communication: Five Recommendations30m

2 ejercicios de práctica

Statistical Inference: Intro and T-Tests30m

Statistical Inference: the F-tests and Confidence Intervals30m

Semana

Semana 4

6 horas para completar

Prediction and Explanation in Linear Regression Analysis

6 horas para completar

6 videos (Total 82 minutos)

Acerca de Programa especializado: Statistical Modeling for Data Science Applications

Statistical modeling lies at the heart of data science. Well crafted statistical models allow data scientists to draw conclusions about the world from the limited information present in their data. In this three credit sequence, learners will add some intermediate and advanced statistical modeling techniques to their data science toolkit. In particular, learners will become proficient in the theory and application of linear regression analysis; ANOVA and experimental design; and generalized linear and additive models. Emphasis will be placed on analyzing real data using the R programming language.

This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adapted from photo by Vincent Ledvina on Unsplash

Statistical Modeling for Data Science Applications

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Modern Regression Analysis in R

Acerca de este Curso

Habilidades que obtendrás