Predictive Modeling and Analytics

Predictive Modeling and Analytics

Ce cours fait partie de Spécialisation Advanced Business Analytics

Instructeur : Dan Zhang

38 371 déjà inscrits

Inclus avec Coursera Plus

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

3.6

(597 avis)

niveau Intermédiaire

Certaines connaissances prérequises

Planning flexible

Env. 10 heures

Apprenez à votre propre rythme

62%

La plupart des étudiants ont apprécié ce cours

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

3.6

(597 avis)

niveau Intermédiaire

Certaines connaissances prérequises

Planning flexible

Env. 10 heures

Apprenez à votre propre rythme

62%

La plupart des étudiants ont apprécié ce cours

Ce que vous apprendrez

Apply exploratory data analysis to gain insights and prepare data for predictive modeling
Summarize and visualize datasets using appropriate tools
Identify modeling techniques for prediction of continuous and discrete outcomes
Identify appropriate graphs to explore and display datasets

Compétences que vous acquerrez

Catégorie : Regression Analysis
Catégorie : Data Cleansing
Catégorie : Predictive Modelling
Catégorie : Exploratory Data Analysis

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

9 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Advanced Business Analytics

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Il y a 4 modules dans ce cours

Welcome to the second course in the Data Analytics for Business specialization!

This course will introduce you to some of the most widely used predictive modeling techniques and their core principles. By taking this course, you will form a solid foundation of predictive analytics, which refers to tools and techniques for building statistical or machine learning models to make predictions based on data. You will learn how to carry out exploratory data analysis to gain insights and prepare data for predictive modeling, an essential skill valued in the business. You’ll also learn how to summarize and visualize datasets using plots so that you can present your results in a compelling and meaningful way. We will use a practical predictive modeling software, XLMiner, which is a popular Excel plug-in. This course is designed for anyone who is interested in using data to gain insights and make better business decisions. The techniques discussed are applied in all functional areas within business organizations including accounting, finance, human resource management, marketing, operations, and strategic planning. The expected prerequisites for this course include a prior working knowledge of Excel, introductory level algebra, and basic statistics.

At the end of this module students will be able to: 1. Carry out exploratory data analysis to gain insights and prepare data for predictive modeling 2. Summarize and visualize datasets using appropriate tools 3. Identify modeling techniques for prediction of continuous and discrete outcomes. 4. Explore datasets using Excel 5. Explain and perform several common data preprocessing steps 6. Choose appropriate graphs to explore and display datasets

Inclus

8 vidéos1 lecture2 devoirs1 évaluation par les pairs1 sujet de discussion

8 vidéosTotal 37 minutes

Introduction to the Course1 minutePrévisualiser le module
0. Introduction to the Module. Why Exploratory Data Analysis is Important3 minutes
1. Data Cleanup and Transformation4 minutes
2. Dealing With Missing Values6 minutes
3. Dealing with Outliers3 minutes
4. Adding and Removing Variables4 minutes
5. Common Graphs7 minutes
6. What is Good Data Visualization?4 minutes

1 lectureTotal 10 minutes

2 devoirsTotal 60 minutes

Week 1 Quiz30 minutes
Week 1 Application Assignment 1 (optional): Data Cleanup30 minutes

1 évaluation par les pairsTotal 60 minutes

Week 1 Application Assignment 2: Data Visualization60 minutes

1 sujet de discussionTotal 10 minutes

Data Exploration10 minutes

This module introduces regression techniques to predict the value of continuous variables. Some fundamental concepts of predictive modeling are covered, including cross-validation, model selection, and overfitting. You will also learn how to build predictive models using the software tool XLMiner.

Inclus

8 vidéos2 devoirs1 sujet de discussion

8 vidéosTotal 40 minutes

0. Introduction to Predictive Modeling2 minutesPrévisualiser le module
1. Introduction to Linear Regression8 minutes
2. Assessing Predictive Accuracy Using Cross-Validation5 minutes
3. Multiple Regression4 minutes
4. Improving Model Fit3 minutes
5. Model Selection3 minutes
6. Challenges of Predictive Modeling5 minutes
7. How to Build a Model using XLMiner8 minutes

2 devoirsTotal 70 minutes

Week 2 Quiz30 minutes
Week 2 Application Assignment40 minutes

1 sujet de discussionTotal 10 minutes

Reflection on Statistical Techniques10 minutes

This module introduces logistic regression models to predict the value of binary variables. Unlike continuous variables, a binary variable can only take two different values and predicting its value is commonly called classification. Several important concepts regarding classification are discussed, including cross validation and confusion matrix, cost sensitive classification, and ROC curves. You will also learn how to build classification models using the software tool XLMiner.

Inclus

8 vidéos2 devoirs1 sujet de discussion

8 vidéosTotal 32 minutes

0. Introduction to classification1 minutePrévisualiser le module
1. Introduction to Logistic Regression4 minutes
2. Building Logistic Regression Model6 minutes
3. Multiple Logistic Regression3 minutes
4. Cross Validation and Confusion Matrix5 minutes
5. Cost Sensitive Classification2 minutes
6. Comparing Models Independent of Costs and Cutoffs3 minutes
7. Building Logistic Regression Models using XLMiner6 minutes

2 devoirsTotal 60 minutes

Week 3 Quiz30 minutes
Week 3 Application Assignment30 minutes

1 sujet de discussionTotal 10 minutes

The Best Prediction Method10 minutes

This module introduces more advanced predictive models, including trees and neural networks. Both trees and neural networks can be used to predict continuous or binary variables. You will also learn how to build trees and neural networks using the software tool XLMiner.

Inclus

8 vidéos3 devoirs1 évaluation par les pairs1 sujet de discussion

8 vidéosTotal 31 minutes

0.Introduction to Advanced Predictive Modeling Techniques1 minutePrévisualiser le module
1. Introduction to Trees2 minutes
2. Classification Trees5 minutes
3. Regression Trees2 minutes
4. Bagging, Boosting, Random Forest4 minutes
5. Building Trees with XLMiner5 minutes
6. Neural Networks5 minutes
7. Building Neural Networks using XLMiner4 minutes

3 devoirsTotal 90 minutes

Week 4 Quiz30 minutes
Week 4 Application Assignment30 minutes
Final Course Assignment Quiz30 minutes

1 évaluation par les pairsTotal 120 minutes

Final Course Assignment Peer Review120 minutes

1 sujet de discussionTotal 10 minutes

Reflection: Trees & Neural Networks10 minutes

Instructeur

Évaluations de l’enseignant

3.0 (110 évaluations)

Dan Zhang

University of Colorado Boulder

3 Cours52 184 apprenants

Offert par

University of Colorado Boulder

Recommandé si vous êtes intéressé(e) par Data Analysis

SAS
Predictive Modeling with Logistic Regression using SAS
Cours
O.P. Jindal Global University
Digital Marketing Analytics
Cours
Illinois Tech
Data Modeling and Applications
Cours
Johns Hopkins University
Regression Models
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 597

3.6

597 avis

5 stars
36,89 %
4 stars
24,87 %
3 stars
14,02 %
2 stars
12,52 %
1 star
11,68 %

Révisé le 19 nov. 2017

Révisé le 14 avr. 2020

Révisé le 15 févr. 2017

Voir plus d’avis

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.

If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.