University of Colorado Boulder

Spécialisation "Modélisation statistique pour les applications de la science des données"

University of Colorado Boulder

Spécialisation "Modélisation statistique pour les applications de la science des données"

Développez vos compétences statistiques pour la science des données.

Maîtriser les statistiques nécessaires à la science des données

Brian Zaharatos

Instructeur : Brian Zaharatos

6 774 déjà inscrits

Inclus avec Coursera PlusEn savoir plus

Approfondissez votre connaissance d’un sujet

des 70 examens de cours de ce programme

niveau Intermédiaire

Expérience recommandée

Planning flexible
3 mois à 10 heures une semaine
Apprenez à votre propre rythme
Approfondissez votre connaissance d’un sujet

des 70 examens de cours de ce programme

niveau Intermédiaire

Expérience recommandée

Planning flexible
3 mois à 10 heures une semaine
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Analyser et appliquer correctement les outils de l'analyse de régression pour modéliser la relation entre les variables et faire des prédictions à partir d'un ensemble de variables d'entrée.

  • Mener avec succès des expériences basées sur les meilleures pratiques en matière de conception expérimentale.

  • Utiliser des techniques avancées de modélisation statistique, telles que les modèles linéaires et additifs généralisés, pour modéliser un large éventail de relations du monde réel.

Compétences que vous acquerrez

  • Catégorie : Algèbre linéaire
  • Catégorie : Régression logistique
  • Catégorie : Conception de la recherche
  • Catégorie : Modélisation statistique
  • Catégorie : Éthique des données
  • Catégorie : Science des données
  • Catégorie : Évaluation du modèle
  • Catégorie : Inférence statistique
  • Catégorie : Tests d'hypothèses statistiques
  • Catégorie : Analyse des données
  • Catégorie : Calculs
  • Catégorie : Algorithmes de classification
  • Catégorie : Expérimentation
  • Catégorie : Méthodes statistiques
  • Catégorie : Apprentissage automatique
  • Catégorie : Analyse statistique
  • Catégorie : Analyse de régression
  • Catégorie : Statistiques
  • Catégorie : Modélisation prédictive

Outils que vous découvrirez

  • Catégorie : R Programmation

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais
Préparer un diplôme

Spécialisation - série de 3 cours

Analyse de régression moderne en R

Analyse de régression moderne en R

COURS 1, 45 heures

Ce que vous apprendrez

  • Formulez quelques pratiques recommandées pour un comportement et une communication éthiques dans le domaine des statistiques et de la science des données.

  • Interpréter les composantes importantes du modèle MLR, y compris les composantes "systématiques" et "aléatoires" du modèle.

  • Décrire et mettre en œuvre des procédures de sélection de modèles basées sur des tests et sélectionner un "meilleur" modèle sur la base d'une procédure donnée.

Compétences que vous acquerrez

Catégorie : Tests d'hypothèses statistiques
Catégorie : Analyse statistique
Catégorie : Inférence statistique
Catégorie : Analyse de régression
Catégorie : Méthodes statistiques
Catégorie : R Programmation
Catégorie : Statistiques
Catégorie : Science des données
Catégorie : Modélisation prédictive
Catégorie : Modélisation statistique
Catégorie : Éthique des données
Catégorie : Évaluation du modèle
ANOVA et plan d'expérience

ANOVA et plan d'expérience

COURS 2, 40 heures

Ce que vous apprendrez

  • Identifiez et interprétez le(s) modèle(s) ANOVA (et ANCOVA) à deux voies comme un modèle de régression linéaire.

  • Utilisez les modèles ANOVA à deux voies et ANCOVA pour répondre à des questions de recherche en utilisant des données réelles.

  • Définir et appliquer les concepts de réplication, de mesures répétées et de plan factoriel complet dans le contexte de l'ANOVA à deux voies.

Compétences que vous acquerrez

Catégorie : Analyse des données
Catégorie : Méthodes statistiques
Catégorie : Calculs
Catégorie : Inférence statistique
Catégorie : Analyse de régression
Catégorie : Conception de la recherche
Catégorie : Expérimentation
Catégorie : Tests d'hypothèses statistiques
Catégorie : Modélisation statistique
Catégorie : Analyse statistique
Catégorie : Algèbre linéaire
Catégorie : Science des données
Catégorie : Éthique des données

Ce que vous apprendrez

  • Décrivez comment généraliser le cadre du modèle linéaire pour prendre en compte les données qui ne conviennent pas au modèle de régression linéaire standard.

  • Citez quelques avantages et inconvénients des modèles additifs (généralisés).

  • Décrivez comment un modèle additif peut être généralisé pour intégrer des variables de réponse non normales (c'est-à-dire définissez un modèle additif généralisé).

Compétences que vous acquerrez

Catégorie : Régression logistique
Catégorie : Apprentissage automatique
Catégorie : R Programmation
Catégorie : Algèbre linéaire
Catégorie : Évaluation du modèle
Catégorie : Analyse des données
Catégorie : Calculs
Catégorie : Modélisation statistique
Catégorie : Éthique des données
Catégorie : Algorithmes de classification
Catégorie : Analyse de régression

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Préparer un diplôme

Ce site Spécialisation fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Instructeur

Brian Zaharatos
University of Colorado Boulder
5 Cours16 037 apprenants

Offert par

Avis des étudiants sur Modélisation statistique pour les applications de la science des données

moyenne sur l'ensemble des 3 cours

  • 5 étoiles

    72,22 %

  • 4 étoiles

    5,55 %

  • 3 étoiles

    5,55 %

  • 2 étoiles

    5,55 %

  • 1 étoile

    11,11 %

DK
Cours : Analyse de régression moderne en R

Révisé le 29 avr. 2024

ZC
Cours : ANOVA et plan d'expérience

Révisé le 30 juil. 2022

CT
Cours : Modèles linéaires généralisés et régression non paramétrique

Révisé le 27 juin 2023

Améliorez votre expertise en la matière

  • Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
  • Maîtrisez un sujet ou un outil avec des projets pratiques
  • Développez une compréhension approfondie de concepts clés
  • Obtenez un certificat professionnel auprès de University of Colorado Boulder

Qu’est-ce qui vous amène sur Coursera aujourd’hui ?

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.’

Foire Aux Questions