- Linear Model
- R Programming
- Statistical Model
- regression
- Calculus
- and probability theory.
- Linear Algebra
Spécialisation Statistical Modeling for Data Science Applications
Build Your Statistical Skills for Data Science. Master the Statistics Necessary for Data Science
1 916 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 BoulderCe que vous allez apprendre
Correctly analyze and apply tools of regression analysis to model relationship between variables and make predictions given a set of input variables.
Successfully conduct experiments based on best practices in experimental design.
Use advanced statistical modeling techniques, such as generalized linear and additive models, to model wide range of real-world relationships.
Compétences que vous acquerrez
À propos de ce Spécialisation
3 644 consultations récentes
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
Projet d'apprentissage appliqué
Learners will master the application and implementation of statistical models through auto-graded and peer reviewed Jupyter Notebook assignments. In these assignments, learners will use real-world data and advanced statistical modeling techniques to answer important scientific and business questions.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
Calculus, linear algebra, and probability theory.
Approximativement 4 mois pour terminer
Rythme recommandé de 9 heures/semaine
Anglais
Sous-titres : Anglais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
Calculus, linear algebra, and probability theory.
Approximativement 4 mois pour terminer
Rythme recommandé de 9 heures/semaine
Anglais
Sous-titres : Anglais
Comment fonctionne la Spécialisation
Suivez les cours
Une Spécialisation Coursera est une série de cours axés sur la maîtrise d'une compétence. Pour commencer, inscrivez-vous directement à la Spécialisation ou passez en revue ses cours et choisissez celui par lequel vous souhaitez commencer. Lorsque vous vous abonnez à un cours faisant partie d'une Spécialisation, vous êtes automatiquement abonné(e) à la Spécialisation complète. Il est possible de terminer seulement un cours : vous pouvez suspendre votre formation ou résilier votre abonnement à tout moment. Rendez-vous sur votre tableau de bord d'étudiant pour suivre vos inscriptions aux cours et vos progrès.
Projet pratique
Chaque Spécialisation inclut un projet pratique. Vous devez réussir le(s) projet(s) pour terminer la Spécialisation et obtenir votre Certificat. Si la Spécialisation inclut un cours dédié au projet pratique, vous devrez terminer tous les autres cours avant de pouvoir le commencer.
Obtenir un Certificat
Lorsque vous aurez terminé tous les cours et le projet pratique, vous obtiendrez un Certificat que vous pourrez partager avec des employeurs éventuels et votre réseau professionnel.
Ce Spécialisation compte 3 cours
Modern Regression Analysis in R
15 évaluations
This course will provide a set of foundational statistical modeling tools for data science. In particular, students will be introduced to methods, theory, and applications of linear statistical models, covering the topics of parameter estimation, residual diagnostics, goodness of fit, and various strategies for variable selection and model comparison. Attention will also be given to the misuse of statistical models and ethical implications of such misuse.
ANOVA and Experimental Design
This second course in statistical modeling will introduce students to the study of the analysis of variance (ANOVA), analysis of covariance (ANCOVA), and experimental design. ANOVA and ANCOVA, presented as a type of linear regression model, will provide the mathematical basis for designing experiments for data science applications. Emphasis will be placed on important design-related concepts, such as randomization, blocking, factorial design, and causality. Some attention will also be given to ethical issues raised in experimentation.
Generalized Linear Models and Nonparametric Regression
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.
Offert par
Université du Colorado à Boulder
CU-Boulder is a dynamic community of scholars and learners on one of the most spectacular college campuses in the country. As one of 34 U.S. public institutions in the prestigious Association of American Universities (AAU), we have a proud tradition of academic excellence, with five Nobel laureates and more than 50 members of prestigious academic academies.
Commencez à travailler pour votre diplôme
Cette Spécialisation 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.
Foire Aux Questions
Quelle est la politique de remboursement ?
Puis-je m'inscrire à un seul cours ?
Une aide financière est-elle possible ?
Puis-je suivre le cours gratuitement ?
Ce cours est-il vraiment accessible en ligne à 100 % ? Dois-je assister à certaines activités en personne ?
Quelle est la durée nécessaire pour terminer la Spécialisation ?
What background knowledge is necessary?
Do I need to take the courses in a specific order?
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
What will I be able to do upon completing the Specialization?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
