Об этом курсе
Недавно просмотрено: 22,233

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

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

Прибл. 14 часа на выполнение

Предполагаемая нагрузка: 4 weeks; 4-6 hours/week...

Английский

Субтитры: Английский, Корейский

Приобретаемые навыки

Bayesian StatisticsPython ProgrammingStatistical Modelstatistical regression

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

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

Прибл. 14 часа на выполнение

Предполагаемая нагрузка: 4 weeks; 4-6 hours/week...

Английский

Субтитры: Английский, Корейский

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

8 видео ((всего 73 мин.)), 6 материалов для самостоятельного изучения, 1 тест
8 видео
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 материала для самостоятельного изучения
Course Syllabus5мин
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
2
5 ч. на завершение

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

6 видео ((всего 85 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
6 видео
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 практического упражнения
Linear Regression Quiz20мин
Logistic Regression Quiz15мин
Week 2 Python Assessment20мин
Неделя
3
4 ч. на завершение

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

8 видео ((всего 121 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
8 видео
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 практического упражнения
Name That Model15мин
Week 3 Python Assessment20мин
Неделя
4
3 ч. на завершение

WEEK 4: Special Topics

6 видео ((всего 105 мин.)), 3 материалов для самостоятельного изучения, 1 тест
6 видео
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
3 материала для самостоятельного изучения
Other Types of Dependent Variables20мин
Optional: A Visual Introduction to Machine Learning20мин
Course Feedback10мин
1 практическое упражнение
Week 4 Python Assessment20мин
4.4
Рецензии: 19Chevron Right

Лучшие отзывы о курсе Fitting Statistical Models to Data with Python

автор: AFMar 12th 2019

The course is actually pretty good, however the mix between basic subjects (like univariate linear regression) and relatively advanced topics (marginal models) may discourage some students.

автор: JXJun 30th 2019

Really thorough and in-depth material about statistical models with python.

Преподаватели

Avatar

Brenda Gunderson

Lecturer IV and Research Fellow
Department of Statistics
Avatar

Brady T. West

Research Associate Professor
Institute for Social Research
Avatar

Kerby Shedden

Professor
Department of Statistics

О Мичиганский университет

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future....

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....
Statistics with Python

Часто задаваемые вопросы

  • 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.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.