Die Entwicklung von Erkenntnissen über Ihre Organisation, Ihr Unternehmen oder Ihr Forschungsprojekt hängt von einer effektiven Modellierung und Analyse der von Ihnen gesammelten Daten ab. Um effektive Modelle zu erstellen, müssen Sie die verschiedenen Arten von Fragen verstehen, die Sie stellen können, und wissen, wie Sie diese Fragen auf Ihre Daten übertragen können. Verschiedene Modellierungsansätze können gewählt werden, um interessante Muster in den Daten zu erkennen und verborgene Beziehungen zu identifizieren. Dieser Kurs behandelt die Arten von Fragen, die Sie an Daten stellen können, und die verschiedenen Modellierungsansätze, die Sie anwenden können. Zu den behandelten Themen gehören Hypothesentests, lineare Regression, nichtlineare Modellierung und maschinelles Lernen. Mit dieser Sammlung von Werkzeugen, die Ihnen zur Verfügung stehen, sowie mit den Techniken, die Sie in den anderen Kursen dieser Specialization gelernt haben, werden Sie in der Lage sein, wichtige Erkenntnisse aus Ihren Daten zu gewinnen, um die Entscheidungsfindung in Ihrem Unternehmen zu verbessern. In dieser Specialization setzen wir voraus, dass Sie mit der Programmiersprache R vertraut sind. Wenn Sie noch nicht mit R vertraut sind, empfehlen wir Ihnen, zunächst die R-Programmierung zu absolvieren, bevor Sie zu diesem Kurs zurückkehren.
Modellierung von Daten im Tidyverse
Dieser Kurs ist Teil von Spezialisierung Tidyverse-Fähigkeiten für Datenwissenschaft in R
Dozenten: Carrie Wright, PhD
Was Sie lernen werden
Beschreiben Sie verschiedene Arten von Fragen zur Datenanalyse
Führen Sie Hypothesentests für Ihre Daten durch
Anwendung linearer Modellierungstechniken zur Beantwortung multivariabler Fragen
Wenden Sie Workflows für maschinelles Lernen an, um komplexe Muster in Ihren Daten zu erkennen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
8 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 11 Module
Die Entwicklung von Erkenntnissen über Ihre Organisation, Ihr Unternehmen oder Ihr Forschungsprojekt hängt von einer effektiven Modellierung und Analyse der von Ihnen gesammelten Daten ab. Um effektive Modelle zu erstellen, müssen Sie die verschiedenen Arten von Fragen verstehen, die Sie stellen können, und wissen, wie Sie diese Fragen auf Ihre Daten übertragen können. Es können verschiedene Modellierungsansätze gewählt werden, um interessante Muster in den Daten zu erkennen und verborgene Beziehungen zu identifizieren.
Das ist alles enthalten
16 Lektüren1 Aufgabe
Die inferenzielle Analyse ist das, was Analysten durchführen, nachdem sie ihren Datensatz beschrieben und erforscht haben. Nachdem Sie Ihren Datensatz besser verstanden haben, versuchen Analysten oft, etwas aus den Daten abzuleiten. Dies geschieht mit Hilfe statistischer Tests. Wir haben ein wenig darüber gesprochen, wie wir Modelle verwenden können, um Inferenz- und Vorhersageanalysen durchzuführen. Was ist damit gemeint?
Das ist alles enthalten
3 Lektüren1 Aufgabe
Lineare Modelle sind die am häufigsten verwendeten Modelle in der Datenanalyse, da sie rechnerisch effizient und einfach zu interpretieren sind. Ein solides Verständnis der linearen Modelle und ihrer Funktionsweise ist für jede Arbeit in der Datenwissenschaft von entscheidender Bedeutung. Tidyverse bietet eine Reihe von Tools, mit denen die lineare Modellierung effizienter und schlanker wird.
Das ist alles enthalten
12 Lektüren1 Aufgabe
Eine multiple lineare Regression wird benötigt, wenn Sie Störfaktoren oder andere Prädiktoren in Ihr Modell für die Antwort einbeziehen möchten. R bietet eine unkomplizierte Möglichkeit, dies über die Formelschnittstelle der Funktion lm() zu tun.
Das ist alles enthalten
1 Lektüre1 Aufgabe
Obwohl wir uns in dieser Lektion über Schlussfolgerungen auf die lineare Regression konzentriert haben, ist die lineare Regression nicht der einzige analytische Ansatz, den es gibt. Aber sie ist wohl die am häufigsten verwendete. Darüber hinaus gibt es viele statistische Tests und Ansätze, die leichte Variationen der linearen Regression sind. Wenn Sie also eine solide Grundlage und ein gutes Verständnis der linearen Regression haben, wird das Verständnis dieser anderen Tests und Ansätze viel einfacher. Was wäre zum Beispiel, wenn Sie nicht die lineare Beziehung zwischen zwei Variablen messen wollten, sondern stattdessen wissen wollten, ob der beobachtete Durchschnitt von der Erwartung abweicht oder nicht?
Das ist alles enthalten
3 Lektüren
Hypothesentests beschreiben eine Familie von statistischen Techniken, mit denen Sie feststellen können, ob die von Ihnen gesammelten Daten einen Hinweis auf den Wert eines unbekannten Parameters von Interesse liefern. Das Ziel von Hypothesentests ist es, Schlussfolgerungen zu ziehen und dabei die Variabilität der Daten zu berücksichtigen, die zu falschen Ergebnissen führen kann.
Das ist alles enthalten
3 Lektüren1 Aufgabe1 Plug-in
Die Modellierung von Vorhersagen ist eine wesentliche Aktivität in der Datenwissenschaft und beinhaltet den Aufbau von Systemen zur Erstellung von Vorhersagen auf der Grundlage von zuvor beobachteten Daten. Diese Modelle sind in der Regel sehr flexibel und können eine Reihe von unterschiedlichen Beziehungen erfassen.
Das ist alles enthalten
12 Lektüren1 Aufgabe
Dank der Arbeit von RStudio gibt es unglaublich hilfreiche Pakete in R. Wie bereits erwähnt, gibt es Hunderte von verschiedenen Algorithmen für maschinelles Lernen. Die R-Pakete von tidymodels haben viele davon in einem einzigen Framework zusammengefasst, so dass Sie viele verschiedene Modelle des maschinellen Lernens problemlos verwenden können.
Das ist alles enthalten
5 Lektüren1 Aufgabe
In dieser Fallstudie wird ein Ansatz zur Erstellung eines Prognosemodells für die Vorhersage der Luftverschmutzung in den Vereinigten Staaten vorgestellt.
Das ist alles enthalten
17 Lektüren1 Unbewertetes Labor
Die tidymodels Sammlung von Paketen kann auf den ersten Blick überwältigend sein. Hier finden Sie eine kurze Übersichtstabelle, die Ihnen hilft, alle Pakete zu finden und herauszufinden, wann sie verwendet werden sollten.
Das ist alles enthalten
1 Lektüre
In diesem Projekt üben Sie die Erstellung von Modellen mit tidyverse zur Klassifizierung von Verbraucherbeschwerdedaten des Consumer Financial Protection Bureau (CFPB). Dieses Projekt umfasst sowohl einen Peer-Review-Schritt, bei dem Sie R Markdown- und gestrickte HTML-Dateien hochladen, als auch einen Quiz-Schritt, bei dem Sie Fragen zu den Vorhersagen Ihres Klassifizierungsalgorithmus beantworten müssen.
Das ist alles enthalten
1 Lektüre1 Aufgabe1 peer review
Dozenten
Empfohlen, wenn Sie sich für Datenanalyse interessieren
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – 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.