The course will begin with what is familiar to many business managers and those who have taken the first two courses in this specialization. The first set of tools will explore data description, statistical inference, and regression. We will extend these concepts to other statistical methods used for prediction when the response variable is categorical such as win-don’t win an auction. In the next segment, students will learn about tools used for identifying important features in the dataset that can either reduce the complexity or help identify important features of the data or further help explain behavior.
от партнера
Data Modeling and Regression Analysis in Business
Иллинойсский университет в Урбане-Шампейне
Об этом курсе
Недавно просмотрено: 7,506
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 21 часа на выполнение
Английский
Субтитры: Английский
от партнера
Иллинойсский университет в Урбане-Шампейне
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
Сделайте шаг навстречу диплому магистра.
курс входит в онлайн-программу ''Master of Science in Accountancy (iMSA)' от партнера Иллинойсский университет в Урбане-Шампейне.
Если вы переходите на полную программу, курсы засчитываются при получении диплома.
Программа курса: что вы изучите
8 ч. на завершение
Module 0: Get Ready & Module 1: Introduction to Analytics and Evolution of Statistical Inference
This session is an overview of the business data analytics process and its components. We introduce you to different modeling paradigms and invite you to match problems to modeling paradigms. The module concludes with an overview of Rattle (an interface for the statistical package R) and its use for univariate analysis.
8 ч. на завершение
14 видео ((всего 86 мин.)), 10 материалов для самостоятельного изучения, 3 тестов
14 видео
Rattle Installation Guidelines for Windows6мин
Rattle Installation Guideline for MacOS11мин
Rattle Interface for Windows9мин
Lecture 1-1: Introduction to Analytics and Evolution of Statistical Inference3мин
Lecture 1-2: From Data to Decisions9мин
Lecture 1-3: The Evolution of Intelligent Machines3мин
Lecture 1-4: Common Paradigms6мин
Lecture 1-5-1: Examples of Paradigms – Part 14мин
Lecture 1-5-2: Examples of Paradigms – Part 26мин
Lecture 1-6: Introduction to Rattle4мин
Lecture 1-7: Importing Datasets in Rattle8мин
Lecture 1-8: Plotting Data and Creating Graphs in Rattle7мин
Lecture 1-9: Rattle Practice and Summary3мин
10 материала для самостоятельного изучения
Syllabus30мин
About the Discussion Forums10мин
Glossary30мин
Brand Descriptions30мин
Update Your Profile10мин
Module 0 Agenda5мин
Rattle Tutorials (Interface, Windows, Mac)30мин
Module 1 Overview20мин
Module 1 Readings, Data Sets, and Slides1ч
Module 1 Peer Review Assignment Answer Key20мин
2 практического упражнения
Orientation Quiz10мин
Module 1 Graded Quiz30мин
6 ч. на завершение
Module 2: Dating with Data
This session focuses on identifying relationships between dependent and independent variables using a regression model. The goal is to find the best fitted model to the data to learn about the underlying relationship of variables in the population.
6 ч. на завершение
8 видео ((всего 63 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
8 видео
Lecture 2-2: Developing and Estimating a Model3мин
Lecture 2-3: Univariate and Bivariate Plots8мин
Lecture 2-4: Bivariate Correlation5мин
Lecture 2-5-1: Estimating With Simple Models - Part 18мин
Lecture 2-5-2: Estimating With Simple Models - Part 210мин
Lecture 2-6: Improving the Model12мин
Lecture 2-7: Model Improvement Practice and Summary8мин
3 материала для самостоятельного изучения
Module 2 Overview20мин
Module 2 Readings, Data Sets, and Slides1ч
Module 2 Peer Review Assignment Answer Key20мин
2 практического упражнения
Module 2 Practice Problems40мин
Module 2 Graded Quiz30мин
6 ч. на завершение
Module 3: Model Development and Testing with Holdout Data
This session introduces the student to use of a holdout data set for evaluating model performance. Methods of improving the model are discussed with emphasis on variable selection. Nuances of modeling discrete predictor variables and response variables are discussed.
6 ч. на завершение
8 видео ((всего 66 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
8 видео
Lecture 3-2: Introducing Root Mean Square Error14мин
Lecture 3-3: Variable Selection8мин
Lecture 3-4: Variable Selection with R Scripts8мин
Lecture 3-5: Introduction to Mallow's CP6мин
Lecture 3-6-1: Modeling Example – Part 18мин
Lecture 3-6-2: Modeling Example – Part 29мин
Lecture 3-7: Example Wrap-Up and Summary6мин
3 материала для самостоятельного изучения
Module 3 Overview20мин
Module 3 Readings, Data Sets, and Slides1ч
Module 3 Peer Review Assignment Answer Key20мин
3 практического упражнения
Module 3 Practice Problems (A)40мин
Module 3 Practice Problems (B)20мин
Module 3 Graded Quiz30мин
5 ч. на завершение
Module 4: Curse of Dimensionality
There has been a tremendous increase in the way data generation via sensors, digital platforms, user-generated content, etc. are being used in the industry. For example, sensors continuously record data and store it for analysis at a later point. In the way data gets captured, there can be a lot of redundancy. With more variables, comes more trouble! There may be very little (or no) incremental information gained from these sources. This is the problem of a high number of unwanted dimensions. To avoid this pitfall, data transformation and dimension reduction comes to the rescue by examining and extracting fewer dimensions while ensuring that it conveys the full information concisely.
5 ч. на завершение
7 видео ((всего 67 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
7 видео
Lecture 4-2: Curse of Dimensionality9мин
Lecture 4-3: Limitations of Scatterplots10мин
Lecture 4-4: Principle Component Analysis10мин
Lecture 4-5: Principle Component Analysis in Rattle9мин
Lecture 4-6: Principle Component Analysis in Rattle With Regression10мин
Lecture 4-7: Principle Component Analysis Exercise and Summary8мин
3 материала для самостоятельного изучения
Module 4 Overview20мин
Module 4 Readings, Data Sets, and Slides1ч
Module 4 Peer Review Assignment Answer Key20мин
2 практического упражнения
Module 4 Practice Problems
Module 4 Graded Quiz30мин
Рецензии
4.3
Лучшие отзывы о курсе DATA MODELING AND REGRESSION ANALYSIS IN BUSINESS
от партнера ASAug 10, 2019
The course was easy to understand and fun to practice at home which made it exciting and useful at the same time.
от партнера BCAug 21, 2019
this course is easier to understand the statistical modeling, no need to learn the deep algorithm
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
