Welcome to the Advanced Linear Models for Data Science Class 2: Statistical Linear Models. 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 2: Statistical Linear Models
от партнера
Университет Джонса Хопкинса
Программа курса: что вы изучите
Неделя
1Introduction and expected values
In this module, we cover the basics of the course as well as the prerequisites. We then cover the basics of expected values for multivariate vectors. We conclude with the moment properties of the ordinary least squares estimates.
7 видео ((всего 38 мин.)), 3 материалов для самостоятельного изучения, 1 тест
7 видео
Multivariate expected values, the basics4мин
Expected values, matrix operations2мин
Multivariate variances and covariances5мин
Multivariate covariance and variance matrix operations5мин
Expected values of quadratic forms3мин
Expected value properties of least squares estimates13мин
3 материала для самостоятельного изучения
Welcome to the class10мин
Course textbook10мин
Introduction to expected values10мин
1 практическое упражнение
Expected Values30мин
Неделя
2The multivariate normal distribution
In this module, we build up the multivariate and singular normal distribution by starting with iid normals.
4 видео ((всего 31 мин.)), 2 материалов для самостоятельного изучения, 1 тест
4 видео
The singular normal distribution7мин
Normal likelihoods5мин
Normal conditional distributions8мин
2 материала для самостоятельного изучения
Introduction to the multivariate normal10мин
A note on the last quiz question.10мин
1 практическое упражнение
the multivariate normal20мин
Неделя
3Distributional results
In this module, we build the basic distributional results that we see in multivariable regression.
8 видео ((всего 60 мин.)), 1 материал для самостоятельного изучения, 1 тест
8 видео
Confidence intervals for regression coefficients6мин
F distribution4мин
Coding example7мин
Prediction intervals11мин
Coding example5мин
Confidence ellipsoids7мин
Coding example6мин
1 материал для самостоятельного изучения
Distributional results10мин
1 практическое упражнение
Distributional results20мин
Неделя
4Residuals
In this module we will revisit residuals and consider their distributional results. We also consider the so-called PRESS residuals and show how they can be calculated without re-fitting the model.
4 видео ((всего 32 мин.)), 2 материалов для самостоятельного изучения, 1 тест
4 видео
Code demonstration3мин
Leave one out residuals8мин
Press residuals14мин
2 материала для самостоятельного изучения
Residuals10мин
Thanks for taking the course10мин
1 практическое упражнение
Residuals14мин
4.7
Рецензии: 2Лучшие рецензии
автор: ML•Jan 31st 2017
Good course on applied linear statistical modeling.
Преподаватель
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.
