Welcome to the Advanced Linear Models for Data Science Class 1: Least Squares. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: - A basic understanding of linear algebra and multivariate calculus. - A basic understanding of statistics and regression models. - At least a little familiarity with proof based mathematics. - Basic knowledge of the R programming language. After taking this course, students will have a firm foundation in a linear algebraic treatment of regression modeling. This will greatly augment applied data scientists' general understanding of regression models.
Advanced Linear Models for Data Science 1: Least Squares
от партнера
Университет Джонса Хопкинса
Об этом курсе
Недавно просмотрено: 6,018
Приобретаемые навыки
StatisticsLinear RegressionR ProgrammingLinear Algebra
Программа курса: что вы изучите
Неделя
11 ч. на завершение
Background
We cover some basic matrix algebra results that we will need throughout the class. This includes some basic vector derivatives. In addition, we cover some some basic uses of matrices to create summary statistics from data. This includes calculating and subtracting means from observations (centering) as well as calculating the variance.
7 видео ((всего 28 мин.)), 4 материалов для самостоятельного изучения, 1 тест
7 видео
Introduction2мин
Matrix derivatives5мин
Coding example2мин
Centering by matrix multiplication6мин
Coding example2мин
Variance via matrix multiplication6мин
Coding example2мин
4 материала для самостоятельного изучения
Welcome to the class10мин
Course textbook10мин
Grading10мин
In this module10мин
1 практическое упражнение
Background Quiz12мин
Неделя
21 ч. на завершение
One and two parameter regression
In this module, we cover the basics of regression through the origin and linear regression. Regression through the origin is an interesting case, as one can build up all of multivariate regression with it.
6 видео ((всего 29 мин.)), 2 материалов для самостоятельного изучения, 1 тест
6 видео
Centering first8мин
Coding example1мин
Connection with linear regression7мин
Coding example1мин
Fitted values and residuals4мин
2 материала для самостоятельного изучения
Before you begin10мин
Before you begin10мин
1 практическое упражнение
One Parameter Regression Quiz10мин
Неделя
31 ч. на завершение
Linear regression
In this lecture, we focus on linear regression, the most standard technique for investigating unconfounded linear relationships.
8 видео ((всего 23 мин.)), 2 материалов для самостоятельного изучения, 1 тест
8 видео
Least squares5мин
Coding example1мин
Prediction2мин
Coding example2мин
Residuals2мин
Coding example1мин
Generalizations6мин
Generalizations example2мин
2 материала для самостоятельного изучения
Before you begin10мин
Generalizations10мин
1 практическое упражнение
Linear Regression Quiz12мин
Неделя
41 ч. на завершение
General least squares
We now move on to general least squares where an arbitrary full rank design matrix is fit to a vector outcome.
6 видео ((всего 39 мин.)), 1 материал для самостоятельного изучения, 1 тест
6 видео
Least squares3мин
Coding example3мин
Second derivation of least squares4мин
Projections9мин
Third derivation of least squares12мин
Coding example4мин
1 материал для самостоятельного изучения
Before you begin10мин
1 практическое упражнение
General Least Squares Quiz20мин
Неделя
51 ч. на завершение
Least squares examples
Here we give some canonical examples of linear models to relate them to techniques that you may already be using.
4 видео ((всего 44 мин.)), 1 тест
4 видео
Group effects4мин
Change of parameterization4мин
ANCOVA10мин
1 практическое упражнение
Least Squares Examples Quiz12мин
Неделя
61 ч. на завершение
Bases and residuals
Here we give a very useful kind of linear model, that is decomposing a signal into a basis expansion.
6 видео ((всего 44 мин.)), 2 тестов
6 видео
Bases 2, Fourier5мин
Bases 3, SVDs8мин
Bases, coding example9мин
Introduction to residuals5мин
Partitioning variability10мин
2 практического упражнения
Bases Quiz8мин
Residuals Quiz10мин
4.4
Рецензии: 22Лучшие отзывы о курсе Advanced Linear Models for Data Science 1: Least Squares
We need more advanced, theoretical courses on Coursera, like this one, in order to deeply understand the more general courses like Regression Models and Linear Models.
Good mathematical rigour for the analysis of linear models. Builds some good intuition for the geometry of least squares which helps in model result interpretation.
Преподаватели
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
О Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
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.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
