Ce cours fait partie de la Spécialisation Statistical Modeling for Data Science Applications

2 182 déjà inscrits

Offert par

Vous souhaitez obtenir des crédits pour un diplôme ? Découvrez comment

Vous pouvez obtenir des crédits de Université du Colorado à Boulder, qui comptent pour le diplôme Master of Science in Data Science

Spécialisation Statistical Modeling for Data Science ApplicationsUniversité du Colorado à Boulder

À propos de ce cours

11 335 consultations récentes

In the final course of the statistical modeling for data science program, learners will study a broad set of more advanced statistical modeling tools. Such tools will include generalized linear models (GLMs), which will provide an introduction to classification (through logistic regression); nonparametric modeling, including kernel estimators, smoothing splines; and semi-parametric generalized additive models (GAMs). Emphasis will be placed on a firm conceptual understanding of these tools. Attention will also be given to ethical issues raised by using complicated statistical models.
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

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 3 dans le

Spécialisation Statistical Modeling for Data Science Applications

Niveau intermédiaire

Calculus, linear algebra, and probability theory.

Approx. 42 heures pour terminer

Anglais

Compétences que vous acquerrez

Calculus
and probability theory.
Linear Algebra

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 3 dans le

Spécialisation Statistical Modeling for Data Science Applications

Niveau intermédiaire

Calculus, linear algebra, and probability theory.

Approx. 42 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4,59/5 (5 évaluations)

Brian Zaharatos

Director, Professional Master’s Degree in Applied Mathematics

Department of Applied Mathematics

6 054 étudiants

3 cours

Offert par

Université du Colorado à Boulder

Commencez à travailler pour votre diplôme

Ce cours fait partie d’un programme diplômant en ligne proposé par Université du Colorado à Boulder. Lorsque vous vous inscrivez à un cours non diplômant pour obtenir des crédits par l’intermédiaire de l’université et que vous terminez ce cours en ligne, il compte comme des heures de crédit en vue d’un diplôme à CU-Boulder. Il vous suffit de candidater par le biais de l’université.

Master of Science in Data Science

Université du Colorado à Boulder

S’inscrire pour obtenir des crédits

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

12 heures pour terminer

An Introduction to Generalized Linear Models Through Binomial Regression

In this module, we will introduce generalized linear models (GLMs) through the study of binomial data. In particular, we will motivate the need for GLMs; introduce the binomial regression model, including the most common binomial link functions; correctly interpret the binomial regression model; and consider various methods for assessing the fit and predictive power of the binomial regression model.

12 heures pour terminer

7 vidéos (Total 75 min), 3 lectures, 7 quiz

7 vidéos

From Linear Models to Generalized Linear Models12 min

The Components of a GLM6 min

The Exponential Family of Distributions14 min

Introduction to Binomial Regression9 min

Binomial Regression Parameter Estimation11 min

Interpretation of Binomial Regression7 min

Binomial Regression in R11 min

3 lectures

Welcome and Where to Find Help 10 min

Information on Peer Reviews10 min

FairML Book, Introduction10 min

3 exercices pour s'entraîner

Introduction to Generalized Linear Models30 min

Binomial Regression30 min

Binomial Regression Inference30 min

Semaine

Semaine 2

9 heures pour terminer

Models for Count Data

In this module, we will consider how to model count data. When the response variable is a count of some phenomenon, and when that count is thought to depend on a set of predictors, we can use Poisson regression as a model. We will describe the Poisson regression in some detail and use Poisson regression on real data. Then, we will describe situations in which Poisson regression is not appropriate, and briefly present solutions to those situations.

9 heures pour terminer

7 vidéos (Total 83 min)

7 vidéos

Poisson Regression: A New Model for Count Data13 min

Poisson Regression Parameter Estimation6 min

Interpreting the Poisson Regression Model7 min

Poisson Regression on Real Data in R21 min

Goodness of Fit for Poisson Regression I16 min

Goodness of Fit for Poisson Regression II4 min

Overdispersion12 min

2 exercices pour s'entraîner

Poisson Regression Basics30 min

Poisson Regression Inference and Goodness of Fit30 min

Semaine

Semaine 3

9 heures pour terminer

Introduction to Nonparametric Regression

9 heures pour terminer

6 vidéos (Total 66 min)

Semaine

Semaine 4

12 heures pour terminer

Introduction to Generalized Additive Models

Some models, such as linear regression, are easily interpretable, but inflexible, in that they don't capture many real-world relationships accurately. Other models, such as neural networks, are quite flexible, but very difficult to interpret. Generalized additive models (GAMs) are a nice balance between flexibility and interpretability. In this module, we will further motivate GAMs, learn the basic mathematics of fitting GAMs, and implementing them on simulated and real data in R.

12 heures pour terminer

6 vidéos (Total 81 min), 1 lecture, 4 quiz

6 vidéos

Motivating Generalized Additive Models17 min

Generalized Additive Models in R16 min

Inference with Generalized Additive Models: Effective Degrees of Freedom12 min

Inference with Generalized Additive Models: Tests4 min

Generalized Additive Models in R: Inference and Interpretation13 min

Generalized Additive Models: A Complete Example with Real Data16 min

1 lecture

Required: Generalized additive models for data science10 min

2 exercices pour s'entraîner

Generalized Additive Models: Basics30 min

Generalized Additive Models: Inference and Data Analysis30 min

À propos du Spécialisation 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

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Generalized Linear Models and Nonparametric Regression

À propos de ce cours

Compétences que vous acquerrez