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.
от партнера
Университет Джонса ХопкинсаОб этом курсе
Недавно просмотрено: 85,003
Карьерные результаты учащихся
21%
начал новую карьеру, пройдя эти курсы
24%
получил значимые преимущества в карьере благодаря этому курсу
13%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 54 часа на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский
Чему вы научитесь
Use regression analysis, least squares and inference
Understand ANOVA and ANCOVA model cases
Investigate analysis of residuals and variability
Describe novel uses of regression models such as scatterplot smoothing
Приобретаемые навыки
Model SelectionGeneralized Linear ModelLinear RegressionRegression Analysis
Карьерные результаты учащихся
21%
начал новую карьеру, пройдя эти курсы
24%
получил значимые преимущества в карьере благодаря этому курсу
13%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 54 часа на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский
от партнера
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.
Программа курса: что вы изучите
13 ч. на завершение
Week 1: Least Squares and Linear Regression
This week, we focus on least squares and linear regression.
13 ч. на завершение
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 материалов 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 130мин
11 ч. на завершение
Week 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.
11 ч. на завершение
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 материалов 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 230мин
14 ч. на завершение
Week 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 ч. на завершение
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 материалов для самостоятельного изучения
Multivariable regression10мин
Adjustment10мин
Residuals10мин
Model selection10мин
Practical R Exercises in swirl Part 310мин
2 практических упражнения
Quiz 330мин
(OPTIONAL) Data analysis practice with immediate feedback (NEW! 10/18/2017)30мин
16 ч. на завершение
Week 4: Logistic Regression and Poisson Regression
This week, we will work on generalized linear models, including binary outcomes and Poisson regression.
16 ч. на завершение
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 материалов для самостоятельного изучения
GLMs10мин
Logistic regression10мин
Count Data10мин
Mishmash10мин
Practical R Exercises in swirl Part 410мин
Post-Course Survey10мин
1 практическое упражнение
Quiz 430мин
Рецензии
Лучшие отзывы о курсе РЕГРЕССИОННЫЕ МОДЕЛИ
от партнера MM12 мар. 2018 г.
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.
от партнера KA16 дек. 2017 г.
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.
от партнера BA31 янв. 2017 г.
It really helped me to have a better understanding of these Regression Models. However, I've noticed that there is a video recording repeated: Week 3, Model Selection. Part 3 is included in Part 2.
от партнера AW19 февр. 2018 г.
Great subject, was a bit frustrated with some of the material (seemed rushed and not well prepared). Great assignment, but too restrictive on the max number of pages allowed. Wasted a lot of time.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
