Este curso faz parte do Programa de cursos integrados Statistics with Python

4.4
estrelas
635 classificações

Brenda Gunderson +2 mais instrutores

29.607 já se inscreveram

oferecido por

Programa de cursos integrados Statistics with PythonUniversidade de Michigan

Informações sobre o curso

23.466 visualizações recentes

In this course, we will expand our exploration of statistical inference techniques by focusing on the science and art of fitting statistical models to data. We will build on the concepts presented in the Statistical Inference course (Course 2) to emphasize the importance of connecting research questions to our data analysis methods. We will also focus on various modeling objectives, including making inference about relationships between variables and generating predictions for future observations.
This course will introduce and explore various statistical modeling techniques, including linear regression, logistic regression, generalized linear models, hierarchical and mixed effects (or multilevel) models, and Bayesian inference techniques. All techniques will be illustrated using a variety of real data sets, and the course will emphasize different modeling approaches for different types of data sets, depending on the study design underlying the data (referring back to Course 1, Understanding and Visualizing Data with Python).

During these lab-based sessions, learners will work through tutorials focusing on specific case studies to help solidify the week’s statistical concepts, which will include further deep dives into Python libraries including Statsmodels, Pandas, and Seaborn. This course utilizes the Jupyter Notebook environment within Coursera.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 3 de 3 no

Programa de cursos integrados Statistics with Python

Nível intermediário

Completion of the first two courses in this specialization; high school-level algebra

Aprox. 15 horas para completar

Inglês

Habilidades que você terá

Bayesian Statistics
Python Programming
Statistical Model
statistical regression

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 3 de 3 no

Programa de cursos integrados Statistics with Python

Nível intermediário

Completion of the first two courses in this specialization; high school-level algebra

Aprox. 15 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,6/5 (88 classificações)

oferecido por

Universidade de Michigan

Programa - O que você aprenderá com este curso

Classificação do conteúdo87%(2,346 classificações)

Semana

Semana 1

3 horas para concluir

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

We begin this third course of the Statistics with Python specialization with an overview of what is meant by “fitting statistical models to data.” In this first week, we will introduce key model fitting concepts, including the distinction between dependent and independent variables, how to account for study designs when fitting models, assessing the quality of model fit, exploring how different types of variables are handled in statistical modeling, and clearly defining the objectives of fitting models.

3 horas para concluir

8 vídeos (Total 73 mín.), 6 leituras, 1 teste

8 videos

Welcome to the Course!3min

Fitting Statistical Models to Data with Python Guidelines5min

What Do We Mean by Fitting Models to Data?18min

Types of Variables in Statistical Modeling13min

Different Study Designs Generate Different Types of Data: Implications for Modeling9min

Objectives of Model Fitting: Inference vs. Prediction11min

Plotting Predictions and Prediction Uncertainty8min

Python Statistics Landscape2min

6 leituras

Course Syllabus10min

Meet the Course Team!10min

Help Us Learn More About You!10min

About Our Datasets2min

Mixed effects models: Is it time to go Bayesian by default?15min

Python Statistics Landscape1min

1 exercício prático

Week 1 Assessment15min

Semana

Semana 2

5 horas para concluir

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

5 horas para concluir

6 vídeos (Total 85 mín.), 4 leituras, 3 testes

6 videos

Linear Regression Introduction11min

Linear Regression Inference15min

Interview: Causation vs Correlation18min

Logistic Regression Introduction15min

Logistic Regression Inference7min

NHANES Case Study Tutorial (Linear and Logistic Regression)17min

4 leituras

Linear Regression Models: Notation, Parameters, Estimation Methods30min

Try It Out: Continuous Data Scatterplot App15min

Importance of Data Visualization: The Datasaurus Dozen10min

Logistic Regression Models: Notation, Parameters, Estimation Methods30min

3 exercícios práticos

Linear Regression Quiz20min

Logistic Regression Quiz15min

Week 2 Python Assessment20min

Semana

Semana 3

4 horas para concluir

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

In the third week of this course, we will be building upon the modeling concepts discussed in Week 2. Multilevel and marginal models will be our main topic of discussion, as these models enable researchers to account for dependencies in variables of interest introduced by study designs. We’ll be covering why and when we fit these alternative models, likelihood ratio tests, as well as fixed effects and their interpretations.

4 horas para concluir

8 vídeos (Total 121 mín.), 2 leituras, 2 testes

8 videos

What are Multilevel Models and Why Do We Fit Them?17min

Multilevel Linear Regression Models21min

Multilevel Logistic Regression models14min

Practice with Multilevel Modeling: The Cal Poly App12min

What are Marginal Models and Why Do We Fit Them?13min

Marginal Linear Regression Models19min

Marginal Logistic Regression11min

NHANES Case Study Tutorial (Marginal and Multilevel Regression)10min

2 leituras

Visualizing Multilevel Models10min

Likelihood Ratio Tests for Fixed Effects and Variance Components10min

2 exercícios práticos

Name That Model15min

Week 3 Python Assessment20min

Semana

Semana 4

3 horas para concluir

WEEK 4: Special Topics

In this final week, we introduce special topics that extend the curriculum from previous weeks and courses further. We will cover a broad range of topics such as various types of dependent variables, exploring sampling methods and whether or not to use survey weights when fitting models, and in-depth case studies utilizing Bayesian techniques to derive insights from data. You’ll also have the opportunity to apply Bayesian techniques in Python.

3 horas para concluir

6 vídeos (Total 105 mín.), 4 leituras, 1 teste

6 videos

Should We Use Survey Weights When Fitting Models?13min

Bayesian Approaches to Statistics and Modeling15min

Bayesian Approaches Case Study: Part I13min

Bayesian Approaches Case Study: Part II19min

Bayesian Approaches Case Study - Part III23min

Bayesian in Python19min

4 leituras

Other Types of Dependent Variables20min

Optional: A Visual Introduction to Machine Learning20min

Course Feedback10min

Keep Learning with Michigan Online10min

1 exercício prático

Week 4 Python Assessment20min

Avaliações

4.4

121 avaliações

5 stars
65,56%
4 stars
20,28%
3 stars
8,33%
2 stars
3,45%
1 star
2,35%

Principais avaliações do FITTING STATISTICAL MODELS TO DATA WITH PYTHON

por SK27 de mai de 2020

Great course. It really improved my understanding of statistical modeling methodologies.

por ST15 de jun de 2021

It was very technical and a lot of the mathematics behind the models were not explained properly. The codes were also not explained properly

por AP6 de set de 2020

I think the notebook walkthroughs, while useful, could use some extra reinforcement in the statistical concepts

por AA19 de jun de 2020

The course was wonderful however, sometimes I felt that a little bit more details could be provided when python code was being explained for week 2.

Visualizar todas as avaliações

Sobre Programa de cursos integrados Statistics with Python

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.

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Fitting Statistical Models to Data with Python

Informações sobre o curso

Habilidades que você terá

Instrutores

Brenda Gunderson

Brady T. West

Kerby Shedden

oferecido por

Universidade de Michigan

Programa - O que você aprenderá com este curso

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Avaliações

Principais avaliações do FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Sobre Programa de cursos integrados Statistics with Python

Perguntas Frequentes – FAQ

Comece ou impulsione sua carreira

Cursos e certificações populares

Coleções e artigos populares

Consiga um diploma ou certificado on-line

Coursera

Comunidade

Mais

Fitting Statistical Models to Data with Python

Informações sobre o curso

Habilidades que você terá

Instrutores

Brenda Gunderson

Brady T. West

Kerby Shedden

oferecido por

Universidade de Michigan

Programa - O que você aprenderá com este curso

WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING

WEEK 2 - FITTING MODELS TO INDEPENDENT DATA

WEEK 3 - FITTING MODELS TO DEPENDENT DATA

WEEK 4: Special Topics

Avaliações

Principais avaliações do FITTING STATISTICAL MODELS TO DATA WITH PYTHON

Sobre Programa de cursos integrados Statistics with Python

Perguntas Frequentes – FAQ

Coursera Footer

Comece ou impulsione sua carreira

Cursos e certificações populares

Coleções e artigos populares

Consiga um diploma ou certificado on-line

Coursera

Comunidade

Mais