Об этом курсе
Недавно просмотрено: 97,656

Курс 1 из 3 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

High school algebra

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-6 hours/week...

Английский

Субтитры: Английский, Корейский

Чему вы научитесь

  • Check

    Properly identify various data types and understand the different uses for each

  • Check

    Create data visualizations and numerical summaries with Python

  • Check

    Communicate statistical ideas clearly and concisely to a broad audience

  • Check

    Identify appropriate analytic techniques for probability and non-probability samples

Приобретаемые навыки

StatisticsData AnalysisPython ProgrammingData Visualization (DataViz)

Курс 1 из 3 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

High school algebra

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-6 hours/week...

Английский

Субтитры: Английский, Корейский

Учащиеся, которые проходят продукт ''Course'

  • Data Scientists
  • Data Analysts
  • Biostatisticians
  • Process Analysts
  • Data Engineers

Программа курса: что вы изучите

Неделя
1
4 ч. на завершение

WEEK 1 - INTRODUCTION TO DATA

10 видео ((всего 110 мин.)), 8 материалов для самостоятельного изучения, 2 тестов
10 видео
What is Statistics?9мин
Interview: Perspectives on Statistics in Real Life28мин
(Cool Stuff in) Data8мин
Where Do Data Come From?12мин
Variable Types5мин
Study Design6мин
Introduction to Jupyter Notebooks9мин
Data Types in Python12мин
Introduction to Libraries and Data Management13мин
8 материала для самостоятельного изучения
Course Syllabus5мин
Meet the Course Team!10мин
About Our Datasets2мин
Help Us Learn More About You!10мин
Resource: This is Statistics10мин
Course Syllabus5мин
Let's Play with Data!10мин
Data management and manipulation10мин
2 практического упражнения
Practice Quiz - Variable Types10мин
Assessment: Different Data Types10мин
Неделя
2
5 ч. на завершение

WEEK 2 - UNIVARIATE DATA

8 видео ((всего 92 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
8 видео
Quantitative Data: Histograms12мин
Quantitative Data: Numerical Summaries9мин
Standard Score (Empirical Rule)7мин
Quantitative Data: Boxplots6мин
Demo: Interactive Histogram & Boxplot4мин
Important Python Libraries21мин
Tables, Histograms, Boxplots in Python25мин
2 материала для самостоятельного изучения
What's Going on in This Graph?10мин
Modern Infographics10мин
3 практического упражнения
Practice Quiz: Summarizing Graphs in Words15мин
Assessment: Numerical Summaries10мин
Python Assessment: Univariate Analysis10мин
Неделя
3
5 ч. на завершение

WEEK 3 - MULTIVARIATE DATA

7 видео ((всего 56 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
7 видео
Looking at Associations with Multivariate Quantitative Data7мин
Demo: Interactive Scatterplot2мин
Introduction to Pizza Assignment2мин
Multivariate Data Selection19мин
Multivariate Distributions8мин
Unit Testing5мин
3 материала для самостоятельного изучения
Pitfall: Simpson's Paradox10мин
Modern Ways to Visualize Data10мин
Pizza Study Design Assignment Instructions10мин
2 практического упражнения
Practice Quiz: Multivariate Data10мин
Python Assessment: Multivariate Analysis15мин
Неделя
4
6 ч. на завершение

WEEK 4 - POPULATIONS AND SAMPLES

15 видео ((всего 223 мин.)), 6 материалов для самостоятельного изучения, 2 тестов
15 видео
Probability Sampling: Part I10мин
Probability Sampling: Part II15мин
Non-Probability Sampling: Part I10мин
Non-Probability Sampling: Part II9мин
Sampling Variance & Sampling Distributions: Part I15мин
Sampling Variance & Sampling Distributions: Part II7мин
Demo: Interactive Sampling Distribution21мин
Beyond Means: Sampling Distributions of Other Common Statistics10мин
Making Population Inference Based on Only One Sample14мин
Inference for Non-Probability Samples17мин
Complex Samples23мин
Sampling from a Biased Population15мин
Randomness and Reproducibility14мин
The Empirical Rule of Distribution18мин
6 материала для самостоятельного изучения
Building on Visualization Concepts5мин
Potential Pitfalls of Non-Probability Sampling: A Case Study10мин
Resource: Seeing Theory10мин
Article: Jerzy Neyman on Population Inference10мин
Preventing Bad/Biased Samples10мин
Course Feedback10мин
2 практического упражнения
Assessment: Distinguishing Between Probability & Non-Probability Samples10мин
Generating Random Data and Samples20мин
4.6
Рецензии: 56Chevron Right

50%

получил значимые преимущества в карьере благодаря этому курсу

Лучшие отзывы о курсе Understanding and Visualizing Data with Python

автор: FGApr 4th 2019

Excellent introductory course to statistics. Great use of NHANES dataset to demonstrate techniques on real dataset. I would appreciate a more demanding project at the course end.

автор: JSJan 24th 2019

I strongly recommend this course to those who want to begin python programming applied to statistics. It launches a very sound foundation for statistical inference theory.

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.