Practical and Modern Statistical Thinking For All. Use Python for statistical visualization, inference, and modeling

4.6

estrellas

2,234 calificaciones

Brenda Gunderson +2 instructores más

52.677 ya inscrito

ofrecido por

Programa especializado: Statistics with PythonUniversidad de Míchigan

Qué aprenderás

Create and interpret data visualizations using the Python programming language and associated packages & libraries

Apply and interpret inferential procedures when analyzing real data

Apply statistical modeling techniques to data (ie. linear and logistic regression, linear models, multilevel models, Bayesian inference techniques)

Understand importance of connecting research questions to data analysis methods.

Habilidades que obtendrás

Python ProgrammingData Visualization (DataViz)Statistical ModelStatistical inference methodsStatisticsData AnalysisConfidence IntervalStatistical InferenceStatistical Hypothesis TestingBayesian Statisticsstatistical regression

Acerca de este Programa Especializado

27.558 vistas recientes

This specialization is designed to teach learners beginning and intermediate concepts of statistical analysis using the Python programming language. Learners will learn where data come from, what types of data can be collected, study data design, data management, and how to effectively carry out data exploration and visualization. They will be able to utilize data for estimation and assessing theories, construct confidence intervals, interpret inferential results, and apply more advanced statistical modeling procedures. Finally, they will learn the importance of and be able to connect research questions to the statistical and data analysis methods taught to them.

Proyecto de aprendizaje aplicado

The courses in this specialization feature a variety of assignments that will test the learner’s knowledge and ability to apply content through concept checks, written analyses, and Python programming assessments. These assignments are conducted through quizzes, submission of written assignments, and the Jupyter Notebook environment.

Certificado para compartir

Obtén un certificado al finalizar

Cursos 100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Cronograma flexible

Establece y mantén fechas de entrega flexibles.

Nivel principiante

High school-level algebra

Aproximadamente 3 meses para completarse

Ritmo sugerido de 5 horas/semana

Inglés (English)

Subtítulos: Inglés (English), Árabe (Arabic), Francés (French), Portugués (europeo), Italiano, Vietnamita, Coreano, Alemán (German), Ruso (Russian), Español (Spanish), Chino (simplificado), Turco (Turkish)

Certificado para compartir

Obtén un certificado al finalizar

Cursos 100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Cronograma flexible

Establece y mantén fechas de entrega flexibles.

Nivel principiante

High school-level algebra

Aproximadamente 3 meses para completarse

Ritmo sugerido de 5 horas/semana

Inglés (English)

Cómo funciona el programa especializado

Toma cursos

Un programa especializado de Coursera es un conjunto de cursos que te ayudan a dominar una aptitud. Para comenzar, inscríbete en el programa especializado directamente o échale un vistazo a sus cursos y elige uno con el que te gustaría comenzar. Al suscribirte a un curso que forme parte de un programa especializado, quedarás suscrito de manera automática al programa especializado completo. Puedes completar solo un curso: puedes pausar tu aprendizaje o cancelar tu suscripción en cualquier momento. Visita el panel principal del estudiante para realizar un seguimiento de tus inscripciones a cursos y tu progreso.

Proyecto práctico

Cada programa especializado incluye un proyecto práctico. Necesitarás completar correctamente el proyecto para completar el programa especializado y obtener tu certificado. Si el programa especializado incluye un curso separado para el proyecto práctico, necesitarás completar cada uno de los otros cursos antes de poder comenzarlo.

Obtén un certificado

Cuando completes todos los cursos y el proyecto práctico, obtendrás un Certificado que puedes compartir con posibles empleadores y tu red profesional.

Hay 3 cursos en este Programa Especializado

Curso1

Curso 1

Understanding and Visualizing Data with Python

4.7

estrellas

2,103 calificaciones

•

436 reseña

In this course, learners will be introduced to the field of statistics, including where data come from, study design, data management, and exploring and visualizing data. Learners will identify different types of data, and learn how to visualize, analyze, and interpret summaries for both univariate and multivariate data. Learners will also be introduced to the differences between probability and non-probability sampling from larger populations, the idea of how sample estimates vary, and how inferences can be made about larger populations based on probability sampling.

At the end of each week, learners will apply the statistical concepts they’ve learned using Python within the course environment. During these lab-based sessions, learners will discover the different uses of Python as a tool, including the Numpy, Pandas, Statsmodels, Matplotlib, and Seaborn libraries. Tutorial videos are provided to walk learners through the creation of visualizations and data management, all within Python. This course utilizes the Jupyter Notebook environment within Coursera.

Curso2

Curso 2

Inferential Statistical Analysis with Python

4.6

estrellas

737 calificaciones

•

130 reseña

In this course, we will explore basic principles behind using data for estimation and for assessing theories. We will analyze both categorical data and quantitative data, starting with one population techniques and expanding to handle comparisons of two populations. We will learn how to construct confidence intervals. We will also use sample data to assess whether or not a theory about the value of a parameter is consistent with the data. A major focus will be on interpreting inferential results appropriately.

At the end of each week, learners will apply what they’ve learned using Python within the course environment. During these lab-based sessions, learners will work through tutorials focusing on specific case studies to help solidify the week’s statistical concepts, which will include further deep dives into Python libraries including Statsmodels, Pandas, and Seaborn. This course utilizes the Jupyter Notebook environment within Coursera.

Curso3

Curso 3

Fitting Statistical Models to Data with Python

4.4

estrellas

563 calificaciones

•

103 reseña

In this course, we will expand our exploration of statistical inference techniques by focusing on the science and art of fitting statistical models to data. We will build on the concepts presented in the Statistical Inference course (Course 2) to emphasize the importance of connecting research questions to our data analysis methods. We will also focus on various modeling objectives, including making inference about relationships between variables and generating predictions for future observations.

This course will introduce and explore various statistical modeling techniques, including linear regression, logistic regression, generalized linear models, hierarchical and mixed effects (or multilevel) models, and Bayesian inference techniques. All techniques will be illustrated using a variety of real data sets, and the course will emphasize different modeling approaches for different types of data sets, depending on the study design underlying the data (referring back to Course 1, Understanding and Visualizing Data with Python). During these lab-based sessions, learners will work through tutorials focusing on specific case studies to help solidify the week’s statistical concepts, which will include further deep dives into Python libraries including Statsmodels, Pandas, and Seaborn. This course utilizes the Jupyter Notebook environment within Coursera.

Instructores

ofrecido por

Universidad de Míchigan

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future.

Preguntas Frecuentes

¿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.
¿Puedo inscribirme en un solo curso?
¡Sí! Para empezar, haz clic en la tarjeta del curso que te interesa e inscríbete. Puedes inscribirte y completar el curso para obtener un certificado que puedes compartir o puedes acceder al curso como oyente para ver los materiales del curso de manera gratuita. Cuando cancelas la suscripción de un curso que forma parte de un programa especializado, se cancela automáticamente la suscripción de todo el programa especializado. Visita el panel del estudiante para realizar un seguimiento de tu progreso.
¿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.
¿Puedo tomar este curso de manera gratuita?
Cuando te inscribes en el curso, tienes acceso a todos los cursos del programa especializado y obtienes un certificado cuando completas el trabajo. Si solo deseas leer y ver el contenido del curso, puedes participar del curso como oyente de manera gratuita. Si no puedes pagar la tarifa, puedes solicitar ayuda económica.
¿Este curso es 100 % en línea? ¿Necesito asistir a alguna clase en persona?
Este curso es completamente en línea, de modo que no necesitas ir a un aula en persona. Puedes acceder a tus lecciones, lecturas y tareas en cualquier momento y cualquier lugar a través de Internet o tu dispositivo móvil.
¿Cuánto tiempo se necesita para completar un programa especializado?
This specialization is made up of three courses, each with four weeks/modules. Each week in a course requires a commitment of roughly 3-6 hours, which will vary by learner.
What background knowledge is necessary?
High school-level algebra is the only background knowledge mandatory for the first course in the series. A basic Python and/or coding background is recommended.
Do I need to take the courses in a specific order?
It is definitely recommended to take this specialization in order.
¿Recibiré crédito universitario por completar el programa especializado?
You will not earn University credit for completing this specialization.
What will I be able to do upon completing the Specialization?
Upon completion of all courses in this specialization, you will have a solid grasp of statistical analysis and will be able to conduct analyses using the Python programming language. You'll be able to create data visualizations in Python, as well as interpret and explain them. You will be able to utilize data for estimation and assessing theories, interpretation of inferential results, and you will be able to apply more advanced statistical modeling procedures.

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