Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models. Special cases of the regression model, ANOVA and ANCOVA will be covered as well. Analysis of residuals and variability will be investigated. The course will cover modern thinking on model selection and novel uses of regression models including scatterplot smoothing.
Ce cours fait partie de la Spécialisation Science des données
Modèles de régression
proposé par
À propos de ce cours
4.4
2,431 notes
Ce que vous allez apprendre
Describe novel uses of regression models such as scatterplot smoothing
Investigate analysis of residuals and variability
Understand ANOVA and ANCOVA model cases
Use regression analysis, least squares and inference
Compétences que vous acquerrez
Model SelectionGeneralized Linear ModelLinear RegressionRegression Analysis
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
112 heures pour terminer
Week 1: Least Squares and Linear Regression
This week, we focus on least squares and linear regression.
9 vidéos (Total 74 min), 11 lectures, 4 quiz
9 vidéos
Introduction: Basic Least Squares6 min
Technical Details (Skip if you'd like)2 min
Introductory Data Example12 min
Notation and Background7 min
Linear Least Squares6 min
Linear Least Squares Coding Example7 min
Technical Details (Skip if you'd like)11 min
Regression to the Mean11 min
11 lectures
Welcome to Regression Models10 min
Book: Regression Models for Data Science in R10 min
Syllabus10 min
Pre-Course Survey10 min
Data Science Specialization Community Site10 min
Where to get more advanced material10 min
Regression10 min
Technical details10 min
Least squares10 min
Regression to the mean10 min
Practical R Exercises in swirl Part 110 min
1 exercice pour s'entraîner
Quiz 120 min
Semaine
211 heures pour terminer
Week 2: Linear Regression & Multivariable Regression
This week, we will work through the remainder of linear regression and then turn to the first part of multivariable regression.
10 vidéos (Total 70 min), 5 lectures, 4 quiz
10 vidéos
Interpreting Coefficients3 min
Linear Regression for Prediction10 min
Residuals5 min
Residuals, Coding Example14 min
Residual Variance7 min
Inference in Regression5 min
Coding Example6 min
Prediction9 min
Really, really quick intro to knitr3 min
5 lectures
*Statistical* linear regression models10 min
Residuals10 min
Inference in regression10 min
Looking ahead to the project10 min
Practical R Exercises in swirl Part 210 min
1 exercice pour s'entraîner
Quiz 220 min
Semaine
313 heures pour terminer
Week 3: Multivariable Regression, Residuals, & Diagnostics
This week, we'll build on last week's introduction to multivariable regression with some examples and then cover residuals, diagnostics, variance inflation, and model comparison.
14 vidéos (Total 168 min), 5 lectures, 5 quiz
14 vidéos
Multivariable Regression part II10 min
Multivariable Regression Continued8 min
Multivariable Regression Examples part I19 min
Multivariable Regression Examples part II22 min
Multivariable Regression Examples part III7 min
Multivariable Regression Examples part IV7 min
Adjustment Examples17 min
Residuals and Diagnostics part I5 min
Residuals and Diagnostics part II9 min
Residuals and Diagnostics part III9 min
Model Selection part I7 min
Model Selection part II22 min
Model Selection part III12 min
5 lectures
Multivariable regression10 min
Adjustment10 min
Residuals10 min
Model selection10 min
Practical R Exercises in swirl Part 310 min
2 exercices pour s'entraîner
Quiz 314 min
(OPTIONAL) Data analysis practice with immediate feedback (NEW! 10/18/2017)8 min
Semaine
417 heures pour terminer
Week 4: Logistic Regression and Poisson Regression
This week, we will work on generalized linear models, including binary outcomes and Poisson regression.
7 vidéos (Total 95 min), 6 lectures, 6 quiz
7 vidéos
GLMs21 min
Logistic Regression part I17 min
Logistic Regression part II3 min
Logistic Regression part III8 min
Poisson Regression part I12 min
Poisson Regression part II12 min
Hodgepodge18 min
6 lectures
GLMs10 min
Logistic regression10 min
Count Data10 min
Mishmash10 min
Practical R Exercises in swirl Part 410 min
Post-Course Survey10 min
1 exercice pour s'entraîner
Quiz 412 min
4.4
418 avis25%
a commencé une nouvelle carrière après avoir terminé ces cours
29%
a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
13%
a obtenu une augmentation de salaire ou une promotion
Meilleurs avis
par MM•Mar 13th 2018
Great course, very informative, with lots of valuable information and examples. Prof. Caffo and his team did a very good job in my opinion. I've found very useful the course material shared on github.
par KA•Dec 17th 2017
Excellent course that is jam-packed with useful material! It is quite challenging and gives a thorough grounding in how to approach the process of selecting a linear regression model for a data set.
Enseignants
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Jeff Leek, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
À propos de 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.
À propos de la Spécialisation Science des données
Ask the right questions, manipulate data sets, and create visualizations to communicate results.
This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
