Fortgeschrittene lineare Modelle für Datenwissenschaft 2: Statistische lineare Modelle

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Fortgeschrittene lineare Modelle für Datenwissenschaft 2: Statistische lineare Modelle

Dieser Kurs ist Teil von Spezialisierung „Fortgeschrittene Statistik für Data Science“

Dozent: Brian Caffo, PhD

25.018 bereits angemeldet

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

108 Bewertungen

Stufe Fortgeschritten

Für Personen mit Branchenerfahrung konzipiert

6 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

108 Bewertungen

Stufe Fortgeschritten

Für Personen mit Branchenerfahrung konzipiert

6 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

Kategorie: Statistische Modellierung
Kategorie: Statistische Methoden
Kategorie: Angewandte Mathematik
Kategorie: Bewertung des Modells
Kategorie: Wahrscheinlichkeit
Kategorie: Datenwissenschaft
Kategorie: Statistik
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Statistische Analyse
Kategorie: Regressionsanalyse
Kategorie: Wahrscheinlichkeitsverteilung
Kategorie: Lineare Algebra
Kategorie: Statistische Inferenz

Werkzeuge, die Sie lernen werden

Kategorie: R Programmierung

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

4 Aufgaben

Unterrichtet in Englisch

91% of learners achieved a positive career outcome

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Fortgeschrittene Statistik für Data Science“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

Willkommen zum Kurs Advanced Linear Models for Data Science Class 2: Statistical Linear Models. Dieser Kurs ist eine Einführung in die kleinsten Quadrate aus einer linearen algebraischen und mathematischen Perspektive. Bevor Sie mit dem Kurs beginnen, sollten Sie Folgendes mitbringen: - Grundlegende Kenntnisse der linearen Algebra und der multivariaten Infinitesimalrechnung - Grundlegende Kenntnisse der Statistik und von Regressionsmodellen - Zumindest ein wenig Vertrautheit mit beweisbasierter Mathematik - Grundlegende Kenntnisse der Programmiersprache R Nach dem Besuch dieses Kurses verfügen die Teilnehmer über eine solide Grundlage in der linearen algebraischen Behandlung der Regressionsmodellierung. Dies wird das allgemeine Verständnis von Regressionsmodellen für angewandte Datenwissenschaftler erheblich erweitern.

In diesem Modul behandeln wir die Grundlagen des Kurses sowie die Voraussetzungen. Anschließend behandeln wir die Grundlagen der Erwartungswerte für multivariate Vektoren. Wir schließen mit den Momenteneigenschaften der gewöhnlichen Kleinste-Quadrate-Schätzungen ab.

Das ist alles enthalten

7 Videos3 Lektüren1 Aufgabe

7 VideosInsgesamt 38 Minuten

Einführungsvideo2 Minuten
Multivariate Erwartungswerte, die Grundlagen5 Minuten
Erwartete Werte, Matrixoperationen3 Minuten
Multivariate Varianzen und Kovarianzen6 Minuten
Multivariate Kovarianz- und Varianzmatrixoperationen6 Minuten
Erwartete Werte von quadratischen Formen4 Minuten
Erwartungswerteigenschaften von Schätzungen der kleinsten Quadrate14 Minuten

3 LektürenInsgesamt 30 Minuten

Willkommen in der Klasse10 Minuten
Kurs-Lehrbuch10 Minuten
Einführung in erwartete Werte10 Minuten

1 AufgabeInsgesamt 30 Minuten

Erwartete Werte30 Minuten

In diesem Modul bauen wir die multivariate und singuläre Normalverteilung auf, indem wir mit iid-Normalen beginnen.

Das ist alles enthalten

4 Videos2 Lektüren1 Aufgabe

4 VideosInsgesamt 31 Minuten

Normalen und multivariate Normalen9 Minuten
Die singuläre Normalverteilung8 Minuten
Normale Wahrscheinlichkeiten5 Minuten
Normale bedingte Verteilungen9 Minuten

2 LektürenInsgesamt 20 Minuten

Einführung in die multivariate Normalverteilung10 Minuten
Eine Anmerkung zur letzten Quizfrage.10 Minuten

1 AufgabeInsgesamt 20 Minuten

die multivariate Normale20 Minuten

In diesem Modul erstellen wir die grundlegenden Verteilungsergebnisse, die wir in der multivariablen Regression sehen.

Das ist alles enthalten

8 Videos1 Lektüre1 Aufgabe

8 VideosInsgesamt 60 Minuten

Chi-Quadrat-Ergebnisse für quadratische Formen11 Minuten
Konfidenzintervalle für Regressionskoeffizienten7 Minuten
F Verteilung5 Minuten
Codierungsbeispiel8 Minuten
Vorhersage-Intervalle11 Minuten
Codierungsbeispiel5 Minuten
Vertrauens-Ellipsoide7 Minuten
Codierungsbeispiel6 Minuten

1 LektüreInsgesamt 10 Minuten

Ergebnisse der Verteilung10 Minuten

1 AufgabeInsgesamt 20 Minuten

Ergebnisse der Verteilung20 Minuten

In diesem Modul werden wir die Residuen erneut betrachten und ihre Verteilungsergebnisse berücksichtigen. Wir betrachten auch die so genannten PRESS-Residuen und zeigen, wie sie ohne Neuanpassung des Modells berechnet werden können.

Das ist alles enthalten

4 Videos2 Lektüren1 Aufgabe

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(18 Bewertungen)

Brian Caffo, PhD

Johns Hopkins University

30 Kurse1.715.719 Lernende

von

Johns Hopkins University

Mehr von Wahrscheinlichkeitsrechnung und Statistik entdecken

Johns Hopkins University
Advanced Linear Models for Data Science 1: Least Squares
Kurs
University of Pittsburgh
Linear Algebra and Regression Fundamentals for Data Science
Kurs
Duke University
Linear Regression and Modeling
Kurs
Illinois Tech
Linear Regression
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
71,29 %
4 stars
20,37 %
3 stars
4,62 %
2 stars
2,77 %
1 star
0,92 %

Zeigt 3 von 108 an

Geprüft am 12. Okt. 2019

It is a very good course for any statistics to learn and have a sweet tastes of math and its behind functionality on data.

Geprüft am 30. Jan. 2017

Good course on applied linear statistical modeling.

Geprüft am 13. Jan. 2023

Great !!! Learning time and I enjoy the math side of it...

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.