Этот курс входит в специализацию ''Специализация Statistics with Python'

4.4
звезд
Оценки: 630

Brenda Gunderson и еще 2 преподавателя

28 881 уже зарегистрированы

от партнера

Специализация Statistics with PythonМичиганский университет

Об этом курсе

Недавно просмотрено: 26 684

In this course, we will expand our exploration of statistical inference techniques by focusing on the science and art of fitting statistical models to data. We will build on the concepts presented in the Statistical Inference course (Course 2) to emphasize the importance of connecting research questions to our data analysis methods. We will also focus on various modeling objectives, including making inference about relationships between variables and generating predictions for future observations.
This course will introduce and explore various statistical modeling techniques, including linear regression, logistic regression, generalized linear models, hierarchical and mixed effects (or multilevel) models, and Bayesian inference techniques. All techniques will be illustrated using a variety of real data sets, and the course will emphasize different modeling approaches for different types of data sets, depending on the study design underlying the data (referring back to Course 1, Understanding and Visualizing Data with Python).

During these lab-based sessions, learners will work through tutorials focusing on specific case studies to help solidify the week’s statistical concepts, which will include further deep dives into Python libraries including Statsmodels, Pandas, and Seaborn. This course utilizes the Jupyter Notebook environment within Coursera.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Специализация Statistics with Python

Средний уровень

Completion of the first two courses in this specialization; high school-level algebra

Прибл. 15 часов на выполнение

Английский

Приобретаемые навыки

Bayesian Statistics
Python Programming
Statistical Model
statistical regression

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Специализация Statistics with Python

Средний уровень

Completion of the first two courses in this specialization; high school-level algebra

Прибл. 15 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4,59/5 (оценок: 86)

от партнера

Мичиганский университет

Программа курса: что вы изучите

Оценка контента87%(2,298 оценки)

Неделя

Неделя 1

3 ч. на завершение

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

We begin this third course of the Statistics with Python specialization with an overview of what is meant by “fitting statistical models to data.” In this first week, we will introduce key model fitting concepts, including the distinction between dependent and independent variables, how to account for study designs when fitting models, assessing the quality of model fit, exploring how different types of variables are handled in statistical modeling, and clearly defining the objectives of fitting models.

3 ч. на завершение

8 видео ((всего 73 мин.)), 6 материалов для самостоятельного изучения, 1 тест

8 видео

Welcome to the Course!3мин

Fitting Statistical Models to Data with Python Guidelines5мин

What Do We Mean by Fitting Models to Data?18мин

Types of Variables in Statistical Modeling13мин

Different Study Designs Generate Different Types of Data: Implications for Modeling9мин

Objectives of Model Fitting: Inference vs. Prediction11мин

Plotting Predictions and Prediction Uncertainty8мин

Python Statistics Landscape2мин

6 материалов для самостоятельного изучения

Course Syllabus10мин

Meet the Course Team!10мин

Help Us Learn More About You!10мин

About Our Datasets2мин

Mixed effects models: Is it time to go Bayesian by default?15мин

Python Statistics Landscape1мин

1 практическое упражнение

Week 1 Assessment15мин

Неделя

Неделя 2

5 ч. на завершение

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

5 ч. на завершение

6 видео ((всего 85 мин.)), 4 материалов для самостоятельного изучения, 3 тестов

6 видео

Linear Regression Introduction11мин

Linear Regression Inference15мин

Interview: Causation vs Correlation18мин

Logistic Regression Introduction15мин

Logistic Regression Inference7мин

NHANES Case Study Tutorial (Linear and Logistic Regression)17мин

4 материала для самостоятельного изучения

Linear Regression Models: Notation, Parameters, Estimation Methods30мин

Try It Out: Continuous Data Scatterplot App15мин

Importance of Data Visualization: The Datasaurus Dozen10мин

Logistic Regression Models: Notation, Parameters, Estimation Methods30мин

3 практических упражнения

Linear Regression Quiz20мин

Logistic Regression Quiz15мин

Week 2 Python Assessment20мин

Неделя

Неделя 3

4 ч. на завершение

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

In the third week of this course, we will be building upon the modeling concepts discussed in Week 2. Multilevel and marginal models will be our main topic of discussion, as these models enable researchers to account for dependencies in variables of interest introduced by study designs. We’ll be covering why and when we fit these alternative models, likelihood ratio tests, as well as fixed effects and their interpretations.

4 ч. на завершение

8 видео ((всего 121 мин.)), 2 материалов для самостоятельного изучения, 2 тестов

8 видео

What are Multilevel Models and Why Do We Fit Them?17мин

Multilevel Linear Regression Models21мин

Multilevel Logistic Regression models14мин

Practice with Multilevel Modeling: The Cal Poly App12мин

What are Marginal Models and Why Do We Fit Them?13мин

Marginal Linear Regression Models19мин

Marginal Logistic Regression11мин

NHANES Case Study Tutorial (Marginal and Multilevel Regression)10мин

2 материала для самостоятельного изучения

Visualizing Multilevel Models10мин

Likelihood Ratio Tests for Fixed Effects and Variance Components10мин

2 практических упражнения

Name That Model15мин

Week 3 Python Assessment20мин

Неделя

Неделя 4

3 ч. на завершение

WEEK 4: Special Topics

In this final week, we introduce special topics that extend the curriculum from previous weeks and courses further. We will cover a broad range of topics such as various types of dependent variables, exploring sampling methods and whether or not to use survey weights when fitting models, and in-depth case studies utilizing Bayesian techniques to derive insights from data. You’ll also have the opportunity to apply Bayesian techniques in Python.

3 ч. на завершение

6 видео ((всего 105 мин.)), 4 материалов для самостоятельного изучения, 1 тест

6 видео

Should We Use Survey Weights When Fitting Models?13мин

Bayesian Approaches to Statistics and Modeling15мин

Bayesian Approaches Case Study: Part I13мин

Bayesian Approaches Case Study: Part II19мин

Bayesian Approaches Case Study - Part III23мин

Bayesian in Python19мин

4 материала для самостоятельного изучения

Other Types of Dependent Variables20мин

Optional: A Visual Introduction to Machine Learning20мин

Course Feedback10мин

Keep Learning with Michigan Online10мин

1 практическое упражнение

Week 4 Python Assessment20мин

Рецензии

4.4

Рецензии: 118

5 stars
65,55 %
4 stars
20,31 %
3 stars
8,41 %
2 stars
3,33 %
1 star
2,38 %

Лучшие отзывы о курсе FITTING STATISTICAL MODELS TO DATA WITH PYTHON

от партнера YT21 сент. 2020 г.

The code examples may be more precise with detailed comments. Some codes are not understood, in other words codes can be refactored in a way that can be more suitable for reproducible studies.

от партнера KA11 июля 2021 г.

Just like the other courses in the specialization, very well thought out and planned! Up to date, great professors . . . couldn't ask for more!

от партнера SS15 июня 2021 г.

It was very technical and a lot of the mathematics behind the models were not explained properly. The codes were also not explained properly

от партнера JK10 июня 2020 г.

Good course giving a fair view on fitting statistical models. Could do to elaborate on some of the theoretical models using more illustrations for more understanding.

Посмотреть все отзывы

Специализация Statistics with Python: общие сведения

This specialization is designed to teach learners beginning and intermediate concepts of statistical analysis using the Python programming language. Learners will learn where data come from, what types of data can be collected, study data design, data management, and how to effectively carry out data exploration and visualization. They will be able to utilize data for estimation and assessing theories, construct confidence intervals, interpret inferential results, and apply more advanced statistical modeling procedures. Finally, they will learn the importance of and be able to connect research questions to the statistical and data analysis methods taught to them.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. 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.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Fitting Statistical Models to Data with Python

Об этом курсе

Приобретаемые навыки

Преподаватели

Brenda Gunderson

Brady T. West

Kerby Shedden

от партнера

Мичиганский университет

Программа курса: что вы изучите

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Рецензии

Лучшие отзывы о курсе FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Специализация Statistics with Python: общие сведения

Часто задаваемые вопросы

Начните карьеру или продвиньтесь по карьерной лестнице

Смотреть популярные темы

Популярные курсы и статьи

Получите диплом или сертификат онлайн

Coursera

Сообщество

Еще

Fitting Statistical Models to Data with Python

Об этом курсе

Приобретаемые навыки

Преподаватели

Brenda Gunderson

Brady T. West

Kerby Shedden

от партнера

Мичиганский университет

Программа курса: что вы изучите

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Рецензии

Лучшие отзывы о курсе FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Специализация Statistics with Python: общие сведения

Часто задаваемые вопросы

Coursera Footer

Начните карьеру или продвиньтесь по карьерной лестнице

Смотреть популярные темы

Популярные курсы и статьи

Получите диплом или сертификат онлайн

Coursera

Сообщество

Еще