About this course: Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. Данные почти всегда содержат шум, поэтому утверждения, которые можно сделать на их основе, верны не всегда, а только с определённой вероятностью. Строить наиболее корректные выводы и численно оценивать степень уверенности в них помогают методы статистики. Как можно оценивать неизвестные параметры системы по небольшому количеству наблюдений? Как измерить точность таких оценок? Какие данные нужны, чтобы ответить на ваш вопрос, и на какие вопросы можно ответить с помощью уже имеющихся данных? Вы узнаете все, что нужно для успешного превращения данных в выводы — организация экспериментов, A/B-тестирование, универсальные методы оценки параметров и проверки гипотез, корреляции и причинно-следственные связи.
Who is this class for: Методы прикладной статистики, о которых пойдёт речь в этом курсе, — важная часть инструментария науки о данных. Знакомство с ними будет полезно любому специалисту, сталкивающемуся с необходимостью принятия основанных на данных решений, от выбора оптимальной предсказательной модели до выявления факторов, влияющих на интересующий вас признак. Для успешного прохождения курса достаточно знакомства с базовыми понятиями теории вероятностей и математической статистики; всё, что вам может понадобиться на входе, рассказывается на четвёртой неделе первого курса "Математика и Python для анализа данных".
Created by: Moscow Institute of Physics and Technology, Yandex
Taught by: Евгений Рябенко, кандидат физико-математических наук, доцент
факультет управления и прикладной математики
Taught by: Evgeny Sokolov
Taught by: Victor Kantor
Taught by: Emeli Dral
| Basic Info | Course 4 of 6 in the Машинное обучение и анализ данных Specialization |
| Level | Advanced |
| Commitment | 4 недели обучения, через 2-4 часа / неделю |
| Language | Russian |
| How To Pass | Pass all graded assignments to complete the course. |
| User Ratings |
Syllabus
WEEK 1
Интервалы и гипотезы
Добро пожаловать на курс "Построение выводов по данным"! В этом модуле вы узнаете, как работают базовые статистические техники — интервальное оценивание и проверка гипотез. В тестах вас ждёт большое количество задач с реальными данными на применение этих техник.
21 videos, 15 readings, 3 practice quizzes
- Video: Как прекрасны машинное обучение и анализ данных
- Video: Как устроена специализация, и зачем ее проходить
- Video: Выводы и рациональность
- Reading: Формат специализации и получение сертификата
- Video: Проблемы построения выводов
- Video: Примеры прикладных задач
- Video: Как устроен этот курс
- Reading: Анкета слушателя
- Reading: МФТИ
- Video: МФТИ
- Reading: Немного о Yandex
- Reading: Forum&Slack
- Video: Интервальные оценки с помощью квантилей
- Video: Доверительные интервалы с помощью квантилей
- Video: Распределения, производные от нормального
- Video: Доверительные интервалы для среднего
- Reading: Доверительные интервалы для среднего [ipython notebook]
- Practice Quiz: Доверительные интервалы для среднего
- Video: Доверительные интервалы для доли
- Reading: Доверительные интервалы для доли [ipython notebook]
- Video: Доверительные интервалы для двух долей
- Reading: Доверительные интервалы для двух долей [ipython notebook]
- Practice Quiz: Доверительные интервалы для долей
- Video: Доверительные интервалы на основе бутстрепа
- Reading: Доверительные интервалы на основе бутстрепа [ipython notebook]
- Reading: Слайды к лекциям
- Reading: Конспект
- Video: Проверка гипотез: начало
- Video: Ошибки I и II рода
- Video: Достигаемый уровень значимости
- Video: Статистическая и практическая значимость
- Practice Quiz: Теория проверки гипотез
- Video: Биномиальный критерий для доли
- Reading: Биномиальный критерий для доли [ipython notebook]
- Video: Критерии согласия Пирсона (хи-квадрат)
- Reading: Критерии согласия Пирсона (хи-квадрат) [ipython notebook]
- Video: Связь между проверкой гипотез и доверительными интервалами
- Reading: Слайды к лекциям
- Reading: Конспект
- Discussion Prompt: Давайте знакомиться!
Graded: Доверительные интервалы
Graded: Практика проверки гипотез
WEEK 2
АБ-тестирование
Вторая неделя посвящена задачам АБ-тестирования — статистической технике, позволяющей оценить действие изменений в вашем продукте на конечного пользователя. Вы узнаете, как правильно такой эксперимент строить и какими методами анализировать.
21 videos, 10 readings, 2 practice quizzes
- Video: Что такое АБ-тестирование
- Video: Где используется АБ-тестирование
- Video: Метрики
- Video: Дизайн эксперимента
- Video: Устойчивость
- Video: Размер выборки
- Practice Quiz: Планирование эксперимента
- Reading: Конспект
- Video: Одновыборочные критерии Стьюдента
- Video: Двухвыборочные критерии Стьюдента, независимые выборки
- Video: Двухвыборочные критерии Стьюдента, связанные выборки
- Video: Нормальность выборок
- Video: Пример: применение критериев Стьюдента
- Reading: Применение критериев Стьюдента [ipython notebook]
- Practice Quiz: Критерии Стьюдента
- Video: Гипотезы о долях
- Video: Пример: проверка гипотез о долях
- Reading: Проверка гипотез о долях [ipython notebook]
- Reading: Слайды к лекциям
- Reading: Конспект
- Video: Как работают непараметрические критерии?
- Video: Критерии знаков
- Video: Ранговые критерии
- Video: Перестановочные критерии
- Video: Перестановки и бутстреп
- Video: Пример: одновыборочные непараметрические критерии
- Reading: Одновыборочные непараметрические критерии [ipython notebook]
- Video: Пример: двухвыборочные непараметрические критерии (связанные выборки)
- Reading: Двухвыборочные непараметрические критерии (связанные выборки) [ipython notebook]
- Video: Пример: двухвыборочные непараметрические критерии (независимые выборки)
- Reading: Двухвыборочные непараметрические критерии (независимые выборки) [ipython notebook]
- Reading: Слайды к лекциям
- Reading: Конспект
Graded: Параметрические критерии
Graded: Непараметрические критерии
WEEK 3
Закономерности и зависимости
На этой неделе мы будем искать закономерности и выявлять зависимости. Для этого можно использовать разные методы; мы поговорим о корреляционных и регрессионных. Поскольку в основе этих методов лежит проверка большого количества гипотез, необходимо делать поправку на множественность — почему и как, вы тоже узнаете.
22 videos, 11 readings, 3 practice quizzes
- Video: Взаимное влияние в продажах товаров
- Video: Внешние факторы, влияющие на продажи
- Reading: Конспект
- Video: Корреляция Пирсона
- Video: Корреляция Спирмена
- Video: Корреляция Мэтьюса и коэффициент Крамера
- Video: Пример: поиск взаимосвязей с помощью корреляции
- Reading: Поиск взаимосвязей с помощью корреляции [ipython notebook]
- Practice Quiz: Коэффициенты корреляции
- Video: Значимость корреляции
- Video: Булщит и консервативность
- Video: Корреляция и причинно-следственная связь
- Reading: Слайды к лекциям
- Reading: Конспект
- Video: В чем проблема?
- Video: Постановка
- Video: FWER. Поправка Бонферрони
- Video: FWER. Метод Холма
- Video: FDR. Метод Бенджамини-Хохберга
- Video: Пример: поправки на множественную проверку при корреляционном анализе
- Reading: Поправки на множественную проверку при корреляционном анализе [ipython notebook]
- Practice Quiz: Поправки на множественную проверку
- Video: Анализ подгрупп
- Reading: Слайды к лекциям
- Reading: Конспект
- Video: Взаимосвязь нескольких признаков
- Video: Свойства решения задачи
- Video: Интервалы и гипотезы
- Video: Проверка предположений
- Practice Quiz: Теория построения регрессии
- Video: Регрессия и причинно-следственные связи
- Video: Пример: оценка зависимости с помощью регрессии
- Reading: Оценка зависимости с помощью регрессии [ipython notebook]
- Reading: Слайды к лекциям
- Reading: Конспект
- Reading: Q&A
Graded: Корреляционный анализ
Graded: Множественная проверка гипотез
Graded: Практика построения регрессии
WEEK 4
Неделя задач
На этой неделе мы поговорим с экспертами в прикладных областях анализа данных и узнаем, чем особенны их задачи, какие методы построения выводов они используют, и на что они советуют обращать внимание.
Для прохождения курса вам нужно решить как минимум два задания, но, если вам интересно, вы можете сделать все.
2 videos, 3 readings
- Video: Интервью с Дмитрием Виноградовым
- Video: Интервью с Алексеем Шатерниковым про скоринг
- Reading: Список литературы
- Reading: Ваши впечатления о курсе
- Reading: Финальные титры
Graded: Дифференциально экспрессированные гены
Graded: Анализ данных в задаче кредитного скоринга
FAQs
How It Works
Coursework
Each course is like an interactive textbook, featuring pre-recorded videos, quizzes and projects.
Help from Your Peers
Connect with thousands of other learners and debate ideas, discuss course material, and get help mastering concepts.
Certificates
Earn official recognition for your work, and share your success with friends, colleagues, and employers.
Creators
Moscow Institute of Physics and Technology
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Yandex
Яндекс — ведущая российская интернет-компания, владеющая самой популярной в России поисковой системой и интернет-порталом. В команде Яндекса работают сильные математики и программисты, которые создают технологии мирового уровня. Многие сервисы компании используют машинное обучение и нейронные сети.
Pricing
| Audit | Purchase Course | |
|---|---|---|
| Access to course materials | Available | Available |
| Access to graded materials | Not available | Available |
| Receive a final grade | Not available | Available |
| Earn a shareable Course Certificate | Not available | Available |
Ratings and Reviews
Очень тяжелый курс, проходил около полугода
Замечательный курс :)
Несмотря на вынужденное отсутствие фундаментальности знаний, материал подаётся системно, что очень важно. Радует, что сразу же было показано, как применить полученные знания и навыки на практике.
Coursera provides universal access to the world’s best education, partnering with top universities and organizations to offer courses online.
© 2017 Coursera Inc. All rights reserved.
Р
Очередной отличный курс! С точки зрения структуры, возможно, это самый лучший курс из первых четырех! Отличная подача, все разложено по полочкам, множество примеров и интересных заданий! Спасибо огромное преподавателям!