Statistical experiment design and analytics are at the heart of data science. In this course you will design statistical experiments and analyze the results using modern methods. You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data. Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems.
ofrecido por
Programa Especializado - Data Science at ScaleUniversidad de WashingtonAcerca de este Curso
10,273 vistas recientes
Resultados profesionales del estudiante
25%
comenzó una nueva carrera después de completar estos cursos
20%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 2 de 4 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 8 horas para completar
Inglés (English)
Subtítulos: Inglés (English), Coreano
Habilidades que obtendrás
Random ForestPredictive AnalyticsMachine LearningR Programming
Resultados profesionales del estudiante
25%
comenzó una nueva carrera después de completar estos cursos
20%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 2 de 4 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 8 horas para completar
Inglés (English)
Subtítulos: Inglés (English), Coreano
ofrecido por
Universidad de Washington
Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.
Programa - Qué aprenderás en este curso
2 horas para completar
Practical Statistical Inference
Learn the basics of statistical inference, comparing classical methods with resampling methods that allow you to use a simple program to make a rigorous statistical argument. Motivate your study with current topics at the foundations of science: publication bias and reproducibility.
2 horas para completar
28 videos (Total 121 minutos)
28 videos
Hypothesis Testing5m
Significance Tests and P-Values3m
Example: Difference of Means4m
Deriving the Sampling Distribution6m
Shuffle Test for Significance4m
Comparing Classical and Resampling Methods3m
Bootstrap6m
Resampling Caveats6m
Outliers and Rank Transformation3m
Example: Chi-Squared Test3m
Bad Science Revisited: Publication Bias4m
Effect Size4m
Meta-analysis5m
Fraud and Benford's Law4m
Intuition for Benford's Law2m
Benford's Law Explained Visually3m
Multiple Hypothesis Testing: Bonferroni and Sidak Corrections3m
Multiple Hypothesis Testing: False Discovery Rate4m
Multiple Hypothesis Testing: Benjamini-Hochberg Procedure3m
Big Data and Spurious Correlations4m
Spurious Correlations: Stock Price Example3m
How is Big Data Different?3m
Bayesian vs. Frequentist4m
Motivation for Bayesian Approaches3m
Bayes' Theorem2m
Applying Bayes' Theorem4m
Naive Bayes: Spam Filtering4m
2 horas para completar
Supervised Learning
Follow a tour through the important methods, algorithms, and techniques in machine learning. You will learn how these methods build upon each other and can be combined into practical algorithms that perform well on a variety of tasks. Learn how to evaluate machine learning methods and the pitfalls to avoid.
2 horas para completar
26 videos (Total 111 minutos), 1 lectura, 1 cuestionario
26 videos
Simple Examples3m
Structure of a Machine Learning Problem5m
Classification with Simple Rules5m
Learning Rules4m
Rules: Sequential Covering3m
Rules Recap2m
From Rules to Trees2m
Entropy4m
Measuring Entropy4m
Using Information Gain to Build Trees6m
Building Trees: ID3 Algorithm2m
Building Trees: C.45 Algorithm4m
Rules and Trees Recap3m
Overfitting7m
Evaluation: Leave One Out Cross Validation5m
Evaluation: Accuracy and ROC Curves5m
Bootstrap Revisited4m
Ensembles, Bagging, Boosting4m
Boosting Walkthrough5m
Random Forests3m
Random Forests: Variable Importance5m
Summary: Trees and Forests2m
Nearest Neighbor4m
Nearest Neighbor: Similarity Functions4m
Nearest Neighbor: Curse of Dimensionality3m
1 lectura
R Assignment: Classification of Ocean Microbes10m
1 ejercicio de práctica
R Assignment: Classification of Ocean Microbes28m
1 hora para completar
Optimization
You will learn how to optimize a cost function using gradient descent, including popular variants that use randomization and parallelization to improve performance. You will gain an intuition for popular methods used in practice and see how similar they are fundamentally.
1 hora para completar
11 videos (Total 41 minutos)
11 videos
Gradient Descent Visually4m
Gradient Descent in Detail2m
Gradient Descent: Questions to Consider3m
Intuition for Logistic Regression4m
Intuition for Support Vector Machines3m
Support Vector Machine Example3m
Intuition for Regularization3m
Intuition for LASSO and Ridge Regression3m
Stochastic and Batched Gradient Descent5m
Parallelizing Gradient Descent3m
2 horas para completar
Unsupervised Learning
A brief tour of selected unsupervised learning methods and an opportunity to apply techniques in practice on a real world problem.
2 horas para completar
4 videos (Total 21 minutos)
4 videos
K-means5m
DBSCAN4m
DBSCAN Variable Density and Parallel Algorithms4m
Acerca de Programa especializado: Data Science at Scale
Learn scalable data management, evaluate big data technologies, and design effective visualizations.
This Specialization covers intermediate topics in data science. You will gain hands-on experience with scalable SQL and NoSQL data management solutions, data mining algorithms, and practical statistical and machine learning concepts. You will also learn to visualize data and communicate results, and you’ll explore legal and ethical issues that arise in working with big data. In the final Capstone Project, developed in partnership with the digital internship platform Coursolve, you’ll apply your new skills to a real-world data science project.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿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.
¿Cuál es la política de reembolsos?
Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.
¿Hay ayuda económica disponible?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.
¿Recibiré crédito universitario por completar el Curso?
Este Curso no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados del curso para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
