Welcome to the Advanced Linear Models for Data Science Class 2: Statistical Linear Models. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following:
Ce cours fait partie de la Spécialisation Advanced Statistics for Data Science
20 657 déjà inscrits
Offert par
Spécialisation Advanced Statistics for Data ScienceUniversité Johns-HopkinsÀ propos de ce cours
5 032 consultations récentes
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 4 sur 4 dans le
Niveau avancé
Approx. 6 heures pour terminer
Anglais
Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol
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 4 sur 4 dans le
Niveau avancé
Approx. 6 heures pour terminer
Anglais
Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol
Offert par
Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Programme de cours : ce que vous apprendrez dans ce cours
2 heures pour terminer
Introduction and expected values
In this module, we cover the basics of the course as well as the prerequisites. We then cover the basics of expected values for multivariate vectors. We conclude with the moment properties of the ordinary least squares estimates.
2 heures pour terminer
7 vidéos (Total 38 min), 3 lectures, 1 quiz
1 heure pour terminer
The multivariate normal distribution
In this module, we build up the multivariate and singular normal distribution by starting with iid normals.
1 heure pour terminer
4 vidéos (Total 31 min), 2 lectures, 1 quiz
1 heure pour terminer
Distributional results
In this module, we build the basic distributional results that we see in multivariable regression.
1 heure pour terminer
8 vidéos (Total 60 min), 1 lecture, 1 quiz
1 heure pour terminer
Residuals
In this module we will revisit residuals and consider their distributional results. We also consider the so-called PRESS residuals and show how they can be calculated without re-fitting the model.
1 heure pour terminer
4 vidéos (Total 32 min), 2 lectures, 1 quiz
Avis
- 5 stars67,50 %
- 4 stars22,50 %
- 3 stars6,25 %
- 2 stars2,50 %
- 1 star1,25 %
Meilleurs avis pour ADVANCED LINEAR MODELS FOR DATA SCIENCE 2: STATISTICAL LINEAR MODELS
par PP12 oct. 2019
It is a very good course for any statistics to learn and have a sweet tastes of math and its behind functionality on data.
par ML30 janv. 2017
Good course on applied linear statistical modeling.
par SJ6 août 2020
This course is very powerfull for statistical linear
par SM2 avr. 2020
This is a great course from Johns Hopkins University . By taking this course, I improved my Data Management, Statistical Programming, and Statistics skills.
À propos du Spécialisation Advanced Statistics for Data Science
Fundamental concepts in probability, statistics and linear models are primary building blocks for data science work. Learners aspiring to become biostatisticians and data scientists will benefit from the foundational knowledge being offered in this specialization. It will enable the learner to understand the behind-the-scenes mechanism of key modeling tools in data science, like least squares and linear regression.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
