Machine LearningGithubR ProgrammingRegression AnalysisData Visualization (DataViz)StatisticsStatistical InferenceStatistical Hypothesis TestingModel SelectionGeneralized Linear ModelLinear RegressionRandom Forest
oferecido por
Programa de cursos integrados Data Science: Statistics and Machine LearningUniversidade Johns HopkinsO que você vai aprender
Perform regression analysis, least squares and inference using regression models.
Build and apply prediction functions
Develop public data products
Understand the process of drawing conclusions about populations or scientific truths from data
Habilidades que você terá
Sobre este Programa de cursos integrados
16.189 visualizações recentes
Build models, make inferences, and deliver interactive data products.
This specialization continues and develops on the material from the Data Science: Foundations using R specialization. It covers statistical inference, regression models, machine learning, and the development of data products. In the Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, learners will have a portfolio demonstrating their mastery of the material.
The five courses in this specialization are the very same courses that make up the second half of the Data Science Specialization. This specialization is presented for learners who have already mastered the fundamentals and want to skip right to the more advanced courses.
Projeto de Aprendizagem Aplicada
Each course in this Data Science: Statistics and Machine Learning Specialization includes a hands-on, peer-graded assignment. To earn the Specialization Certificate, you must successfully complete the hands-on, peer-graded assignment in each course, including the final Capstone Project.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível intermediário
É necessário ter alguma experiência prévia.É necessária alguma experiência prévia.
Aproximadamente 6 meses para ser concluído
Ritmo sugerido de 6 horas/semana
Inglês
Legendas: Inglês, Árabe, Francês, Portuguese (European), Italiano, Vietnamita, Coreano, Alemão, Russo, Espanhol
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível intermediário
É necessário ter alguma experiência prévia.É necessária alguma experiência prévia.
Aproximadamente 6 meses para ser concluído
Ritmo sugerido de 6 horas/semana
Inglês
Legendas: Inglês, Árabe, Francês, Portuguese (European), Italiano, Vietnamita, Coreano, Alemão, Russo, Espanhol
Como funciona o programa de cursos integrados
Fazer cursos
Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.
Projeto prático
Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.
Obtenha um certificado
Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.
Este Programa de cursos integrados contém 5 cursos
Inferência estatística
4,290 classificações
Statistical inference is the process of drawing conclusions about populations or scientific truths from data. There are many modes of performing inference including statistical modeling, data oriented strategies and explicit use of designs and randomization in analyses. Furthermore, there are broad theories (frequentists, Bayesian, likelihood, design based, …) and numerous complexities (missing data, observed and unobserved confounding, biases) for performing inference. A practitioner can often be left in a debilitating maze of techniques, philosophies and nuance. This course presents the fundamentals of inference in a practical approach for getting things done. After taking this course, students will understand the broad directions of statistical inference and use this information for making informed choices in analyzing data.
Modelos Regressivos
3,267 classificações
Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models. Special cases of the regression model, ANOVA and ANCOVA will be covered as well. Analysis of residuals and variability will be investigated. The course will cover modern thinking on model selection and novel uses of regression models including scatterplot smoothing.
Aprendizagem Automática na Prática
3,160 classificações
One of the most common tasks performed by data scientists and data analysts are prediction and machine learning. This course will cover the basic components of building and applying prediction functions with an emphasis on practical applications. The course will provide basic grounding in concepts such as training and tests sets, overfitting, and error rates. The course will also introduce a range of model based and algorithmic machine learning methods including regression, classification trees, Naive Bayes, and random forests. The course will cover the complete process of building prediction functions including data collection, feature creation, algorithms, and evaluation.
Desenvolvimento de dados
2,211 classificações
A data product is the production output from a statistical analysis. Data products automate complex analysis tasks or use technology to expand the utility of a data informed model, algorithm or inference. This course covers the basics of creating data products using Shiny, R packages, and interactive graphics. The course will focus on the statistical fundamentals of creating a data product that can be used to tell a story about data to a mass audience.
oferecido por
Universidade Johns Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Perguntas Frequentes – FAQ
Qual é a política de reembolso?
Posso me inscrever em um único curso?
Existe algum auxílio financeiro disponível?
Posso fazer o curso gratuitamente?
Este curso é realmente 100% on-line? Eu preciso assistir alguma aula pessoalmente?
Quanto tempo é necessário para concluir a Especialização?
What background knowledge is necessary?
Do I need to take the courses in a specific order?
Vou ganhar créditos universitários por concluir a Especialização?
What will I be able to do upon completing the Specialization?
Can I sign up for the course without paying or applying for financial aid?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
