Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models. Special cases of the regression model, ANOVA and ANCOVA will be covered as well. Analysis of residuals and variability will be investigated. The course will cover modern thinking on model selection and novel uses of regression models including scatterplot smoothing.
Об этом курсе
4.4
Оценки: 2,359
Чему вы научитесь
Describe novel uses of regression models such as scatterplot smoothing
Investigate analysis of residuals and variability
Understand ANOVA and ANCOVA model cases
Use regression analysis, least squares and inference
Приобретаемые навыки
Model SelectionGeneralized Linear ModelLinear RegressionRegression Analysis
Программа курса: что вы изучите
Неделя
1Week 1: Least Squares and Linear Regression
This week, we focus on least squares and linear regression.
9 видео ((всего 74 мин.)), 11 материалов для самостоятельного изучения, 4 тестов
9 видео
Introduction: Basic Least Squares6мин
Technical Details (Skip if you'd like)2мин
Introductory Data Example12мин
Notation and Background7мин
Linear Least Squares6мин
Linear Least Squares Coding Example7мин
Technical Details (Skip if you'd like)11мин
Regression to the Mean11мин
11 материала для самостоятельного изучения
Welcome to Regression Models10мин
Book: Regression Models for Data Science in R10мин
Syllabus10мин
Pre-Course Survey10мин
Data Science Specialization Community Site10мин
Where to get more advanced material10мин
Regression10мин
Technical details10мин
Least squares10мин
Regression to the mean10мин
Practical R Exercises in swirl Part 110мин
1 практическое упражнение
Quiz 120мин
Неделя
2Week 2: Linear Regression & Multivariable Regression
This week, we will work through the remainder of linear regression and then turn to the first part of multivariable regression.
10 видео ((всего 70 мин.)), 5 материалов для самостоятельного изучения, 4 тестов
10 видео
Interpreting Coefficients3мин
Linear Regression for Prediction10мин
Residuals5мин
Residuals, Coding Example14мин
Residual Variance7мин
Inference in Regression5мин
Coding Example6мин
Prediction9мин
Really, really quick intro to knitr3мин
5 материала для самостоятельного изучения
*Statistical* linear regression models10мин
Residuals10мин
Inference in regression10мин
Looking ahead to the project10мин
Practical R Exercises in swirl Part 210мин
1 практическое упражнение
Quiz 220мин
Неделя
3Week 3: Multivariable Regression, Residuals, & Diagnostics
This week, we'll build on last week's introduction to multivariable regression with some examples and then cover residuals, diagnostics, variance inflation, and model comparison.
14 видео ((всего 168 мин.)), 5 материалов для самостоятельного изучения, 5 тестов
14 видео
Multivariable Regression part II10мин
Multivariable Regression Continued8мин
Multivariable Regression Examples part I19мин
Multivariable Regression Examples part II22мин
Multivariable Regression Examples part III7мин
Multivariable Regression Examples part IV7мин
Adjustment Examples17мин
Residuals and Diagnostics part I5мин
Residuals and Diagnostics part II9мин
Residuals and Diagnostics part III9мин
Model Selection part I7мин
Model Selection part II22мин
Model Selection part III12мин
5 материала для самостоятельного изучения
Multivariable regression10мин
Adjustment10мин
Residuals10мин
Model selection10мин
Practical R Exercises in swirl Part 310мин
2 практического упражнения
Quiz 314мин
(OPTIONAL) Data analysis practice with immediate feedback (NEW! 10/18/2017)8мин
Неделя
4Week 4: Logistic Regression and Poisson Regression
This week, we will work on generalized linear models, including binary outcomes and Poisson regression.
7 видео ((всего 95 мин.)), 6 материалов для самостоятельного изучения, 6 тестов
7 видео
GLMs21мин
Logistic Regression part I17мин
Logistic Regression part II3мин
Logistic Regression part III8мин
Poisson Regression part I12мин
Poisson Regression part II12мин
Hodgepodge18мин
6 материала для самостоятельного изучения
GLMs10мин
Logistic regression10мин
Count Data10мин
Mishmash10мин
Practical R Exercises in swirl Part 410мин
Post-Course Survey10мин
1 практическое упражнение
Quiz 412мин
25%
начал новую карьеру, пройдя эти курсы
29%
получил значимые преимущества в карьере благодаря этому курсу
13%
стал больше зарабатывать или получил повышение
Лучшие рецензии
автор: MM•Mar 13th 2018
Great course, very informative, with lots of valuable information and examples. Prof. Caffo and his team did a very good job in my opinion. I've found very useful the course material shared on github.
автор: KA•Dec 17th 2017
Excellent course that is jam-packed with useful material! It is quite challenging and gives a thorough grounding in how to approach the process of selecting a linear regression model for a data set.
Преподавателя
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Jeff Leek, PhD
Associate 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.
О специализации ''Наука о данных'
Ask the right questions, manipulate data sets, and create visualizations to communicate results.
This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material.
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, 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.
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.
