В этом курсе мы поговорим о трендах и классификаторах. Анализ трендов помогает ответить на вопросы вроде: растут ли продажи, увеличивается ли количество пользователей сервиса? Если есть рост, то случайность это или закономерность? Есть ли в данных сезонные колебания? Как выделить тренд и как объяснить его?
Также мы поговорим о факторном анализе, который позволяет найти скрытую переменную (или переменные), направляющие проявление множества видимых признаков. Как найти такие скрытые переменные и понять, что за ними стоит?
В заключительной части курса поговорим о классификаторах, применение которых решает задачи отнесения объектов к тому или иному классу с определенной вероятностью, а также позволяет прогнозировать попадание нового объекта в определенный класс. Как предсказать исход события, зная основные характеристики действующего лица? Закончит ли слушатель курс, отдаст ли заемщик кредит? Как оценить точность прогноза и минимизировать ошибки?
Мы разберемся с устройством обозначенных методов анализа данных и попрактикуемся в их применении.
Ce cours fait partie de la Spécialisation Анализ данных
Тренды и классификации
proposé par
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
1Анализ временных рядов
В этом модуле мы начнем разговор о временных рядах.
Сначала разберемся с понятием временного ряда, затем поговорим об анализе временных рядов. Рассмотрим такие компоненты временного ряда, как тренд, сезонность и остатки.
После этого рассмотрим методы разложения временного ряда на составляющие и поймём, как и зачем выделять описанные компоненты во временных рядах. В заключении поговорим о том, как выявлять выбросы в данных, а также посмотрим на практике, как разложить временной ряд на трендовую составляющую, сезонную компоненту и остатки, используя R.
7 vidéos (Total 42 min), 8 lectures, 5 quiz
7 vidéos
1.1. Понятие временных рядов6 min
1.2. Тренд8 min
1.3. Сезонность6 min
1.4. STL-разложение5 min
1.5. Поиск выбросов4 min
1.6. Тренд, сезонность, STL. Практика5 min
8 lectures
О чем этот курс и как он устроен10 min
Материалы по статистическим пакетам10 min
Данные, на которые мы опираемся и ссылаемся10 min
1.1. Понятие временных рядов. Презентация10 min
1.2. Тренд (презентация)10 min
1.3. Сезонность. Презентация10 min
1.4. STL-разложение. Презентация10 min
1.5. Поиск выбросов. Презентация10 min
5 exercices pour s'entraîner
Вопросы для самопроверки6 min
Вопросы для самопроверки10 min
Вопросы для самопроверки4 min
Вопросы для самопроверки8 min
Анализ временных рядов20 min
Semaine
2Прогноз временных рядов
В этом модуле мы продолжим разговор о временных рядах и научимся не только анализировать, но и прогнозировать их. Сначала рассмотрим авторегрессионную модель (AR) и сезонную авторегрессионную модель (SAR), которые подходят для решения задач прогнозирования, а также модели скользящего среднего (MA-модели), позволяющие сглаживать выбросы и описывать данные. Дальше поговорим о комбинации этих моделей (ARMA и ARIMA).
Во второй части модуля мы поговорим об адаптивных моделях, обсудим их основные виды, а также поговорим о следящем контроле как инструменте их мониторинга. В заключении модуля попрактикуемся: построим прогноз временного ряда в R.
7 vidéos (Total 37 min), 6 lectures, 7 quiz
7 vidéos
2.1. AR и MA4 min
2.2. ARMA и ARIMA4 min
2.3. Адаптивные модели. Экспоненциальное сглаживание4 min
2.4. Адаптивные модели. Модели с трендом и сезонностью4 min
2.5. Виды адаптивных моделей5 min
2.6. Следящий контроль. Модель Тригга — Лича6 min
2.7. Построение моделей временных рядов в R. Практика6 min
6 lectures
2.1. AR и MA: презентация.10 min
2.2. ARMA и ARIMA: презентация10 min
2.3. Адаптивные модели. Экспоненциальное сглаживание. Презентация10 min
2.4. Адаптивные модели. Модели с трендом и сезонностью. Презентация10 min
2.5. Виды адаптивных моделей. Презентация10 min
Конспект: 2.6. Следящий контроль. Модель Тригга — Лича10 min
7 exercices pour s'entraîner
Вопросы для самопроверки6 min
Вопросы для самопроверки6 min
Вопросы для самопроверки6 min
Вопросы для самопроверки4 min
Вопросы для самопроверки4 min
Вопросы для самоконтроля6 min
Прогноз временных рядов20 min
Semaine
3Факторный анализ
В этом модуле поговорим о факторном анализе. Сначала поймем общий принцип: что это за модель, и для решения каких задач она применяется. Дальше разберем методы факторного анализа и научимся строить факторы одним из самых распространенных способов: методом главных компонент. В заключительных лекциях модуля мы поговорим о том, как оценить качество факторной модели, как можно использовать построенные переменные для дальнейшего анализа, а также пошагово разберем построение факторной модели в SPSS.
6 vidéos (Total 54 min), 7 lectures, 3 quiz
6 vidéos
3.2. Построение факторной модели8 min
3.3. Способы оценки качества факторной модели6 min
3.4. Пример построения факторной модели9 min
3.5. Факторы готовы: что дальше?11 min
3.6. Факторный анализ в SPSS. Практика9 min
7 lectures
3.1. Введение в факторный анализ. Презентация10 min
Факторный анализ: история метода10 min
3.2. Построение факторной модели. Презентация10 min
Конспект: 3.3. Способы оценки качества факторной модели10 min
3.4. Пример построения факторной модели. Презентация10 min
3.5. Факторы готовы: что дальше? [презентация]10 min
"Кластеры на факторах": о построении кластеризации на основе переменных-факторов10 min
3 exercices pour s'entraîner
Вопросы для самопроверки6 min
Вопросы для самоконтроля6 min
Факторный анализ20 min
Semaine
4Классификация
В завершающем модуле курса мы поговорим о методах классификации. Для начала поставим задачу классификации: для чего применяются классификаторы, какие задачи из реальной жизни они помогают решать. Затем разберем некоторые методы классификации: линейный и Байесовский классификаторы, дерево решений, модель бинарной логистической регрессии и способы оценки её качества.
Вы научитесь прогнозировать класс, в который попадёт объект с заданной вероятностью (к примеру, отдаст ли заёмщик кредит, или закончит ли студент курс), а также познакомитесь с тем, как применять методы классификации в R и SPSS на реальных данных.
8 vidéos (Total 47 min), 7 quiz
8 vidéos
4.2. Линейный классификатор4 min
4.3. Байесовский классификатор5 min
4.4. Дерево решений7 min
4.5. Бинарная логистическая регрессия: основная идея26s
4.6. Логистическая регрессия: применение и оценка качества6 min
4.7. Методы классификации в R. Практика8 min
4.8. Построение модели логистической регрессии в SPSS. Практика7 min
7 exercices pour s'entraîner
Вопросы для самопроверки8 min
Вопросы для самопроверки6 min
Вопросы для самопроверки4 min
Вопрос для самопроверки6 min
Вопросы для самопроверки6 min
Вопросы для самопроверки6 min
Тест: Классификация20 min
Enseignants
Ольга Ечевская
доцент, кандидат социологических наукКафедра общей социологии ЭФ НГУ
Наталья Галанова
Специалист по анализу данныхКомпания 2GIS
Виктор Дёмин
Специалист по анализу данных, кандидат технических наукКомпания 2GIS
À propos de Université d'État de Novossibirsk
Novosibirsk State University (NSU) is a research university located in Novosibirsk Akademgorodok, the world-famous scientific center in Siberia. 80% of NSU teachers are active researchers affiliated with the Russian Academy of Sciences; therefore education is closely linked to world-class science: our students get first-hand knowledge about scientific discoveries before they are published.
Nearly 6000 students (including international students from 37 countries) are enrolled at undergraduate and graduate programs offered by 13 departments. The leading areas of NSU expertise are natural sciences, life sciences, physics, math, IT, and more.
À propos de la Spécialisation Анализ данных
В рамках специализации вы освоите основные методы работы с количественными данными, в том числе основы теории вероятностей и математической статистики, инструменты исследования связей между признаками, научитесь строить прогнозы на основе регрессионных моделей, сравнивать группы, выделять группы методами кластерного анализа, строить классификации, визуализировать данные, интерпретировать и представлять результаты статистического анализа. Вы примените эти методы на учебных примерах и сможете адаптировать их под специфику ваших данных и задач.
В курсах специализации мы рассмотрим, как оценить связь условий труда и удовлетворенности работой, как спрогнозировать количество кликов на сайт компании, как разделить университеты на классы, как выявить стратегии поиска работы, как отличить геозависимую рубрику от геонезависимой, и множество других практических задач. Кроме того, мы научимся решать такие задачи в популярных средах анализа данных (SPSS и R).
В заключительной части каждого курса вам предстоит выполнить проект на реальных данных, который позволит применить полученные знания на практике и продемонстрировать умение анализировать и представлять результаты анализа статистически и графически.
Специализация разработана Новосибирским государственным университетом, одним из ведущих исследовательских университетов России и мира, совместно с 2GIS, известной международной технологической компанией, которая разрабатывает сервисы для комфортной жизни в городе.
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.
