Willkommen zum Kurs Advanced Linear Models for Data Science Class 1: Least Squares. Dieser Kurs ist eine Einführung in die kleinsten Quadrate aus einer linearen algebraischen und mathematischen Perspektive. Bevor Sie mit dem Kurs beginnen, sollten Sie Folgendes mitbringen: - Grundlegende Kenntnisse der linearen Algebra und der multivariaten Infinitesimalrechnung - Grundlegende Kenntnisse der Statistik und von Regressionsmodellen - Zumindest eine gewisse Vertrautheit mit beweisbasierter Mathematik - Grundlegende Kenntnisse der Programmiersprache R Nach dem Besuch dieses Kurses verfügen die Teilnehmer über eine solide Grundlage in der linearen Algebra der Regressionsmodellierung. Dies wird das allgemeine Verständnis von Regressionsmodellen für angewandte Datenwissenschaftler erheblich erweitern.
Fortgeschrittene lineare Modelle für Datenwissenschaft 1: Kleinste Quadrate
Dieser Kurs ist Teil von Spezialisierung Fortgeschrittene Statistik für Data Science
Dozent: Brian Caffo, PhD
29.589 bereits angemeldet
Bei enthalten
(187 Bewertungen)
Kompetenzen, die Sie erwerben
- Kategorie: Statistik
- Kategorie: Lineare Regression
- Kategorie: R-Programmierung
- Kategorie: Lineare Algebra
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
7 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 6 Module
Wir behandeln einige grundlegende Ergebnisse der Matrixalgebra, die wir im Laufe des Kurses benötigen werden. Dazu gehören auch einige grundlegende Vektorableitungen. Darüber hinaus behandeln wir einige grundlegende Anwendungen von Matrizen zur Erstellung von zusammenfassenden Statistiken aus Daten. Dazu gehören das Berechnen und Subtrahieren von Mittelwerten aus Beobachtungen (Zentrierung) sowie das Berechnen der Varianz
Das ist alles enthalten
7 Videos4 Lektüren1 Aufgabe
In diesem Modul behandeln wir die Grundlagen der Regression durch den Ursprung und der linearen Regression. Die Regression durch den Ursprung ist ein interessanter Fall, da man mit ihr die gesamte multivariate Regression aufbauen kann.
Das ist alles enthalten
6 Videos2 Lektüren1 Aufgabe
In dieser Vorlesung konzentrieren wir uns auf die lineare Regression, die gängigste Technik zur Untersuchung von unbegründeten linearen Beziehungen.
Das ist alles enthalten
8 Videos2 Lektüren1 Aufgabe
Wir gehen nun zu den allgemeinen kleinsten Quadraten über, bei denen eine beliebige vollwertige Designmatrix an ein Vektorergebnis angepasst wird.
Das ist alles enthalten
6 Videos1 Lektüre1 Aufgabe
Hier geben wir einige kanonische Beispiele für lineare Modelle, um sie mit Techniken in Verbindung zu bringen, die Sie vielleicht schon verwenden.
Das ist alles enthalten
4 Videos1 Aufgabe
Hier geben wir eine sehr nützliche Art von linearem Modell an, nämlich die Zerlegung eines Signals in eine Basiserweiterung.
Das ist alles enthalten
6 Videos2 Aufgaben
Dozent
Empfohlen, wenn Sie sich für Wahrscheinlichkeitsrechnung und Statistik interessieren
Fractal Analytics
Sungkyunkwan University
Johns Hopkins University
DeepLearning.AI
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
187 Bewertungen
- 5 stars
63,10 %
- 4 stars
25,13 %
- 3 stars
7,48 %
- 2 stars
3,20 %
- 1 star
1,06 %
Zeigt 3 von 187 an
Geprüft am 29. Apr. 2017
Good mathematical rigour for the analysis of linear models. Builds some good intuition for the geometry of least squares which helps in model result interpretation.
Geprüft am 26. Sep. 2016
chapter on bases showing four equivalent forms was brilliant! Hoping to learn BLUE, GAMs in part 2.
Geprüft am 6. Nov. 2017
Great, detailed walk-through of least squares. Linear Algebra is a must for this course. To follow the last part requires knowledge of matrix (eigen?)decomposition, which derailed me somewhat.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.