Erklären Sie, warum statistisches Lernen wichtig ist und wie es eingesetzt werden kann.
Erkennen Sie die Stärken, Schwächen und Vorbehalte verschiedener Modelle und wählen Sie das am besten geeignete Modell für ein bestimmtes statistisches Problem.
Bestimmen Sie, welche Art von Daten und Problemen überwachte bzw. nicht überwachte Techniken erfordern.
Kompetenzen, die Sie erwerben
Kategorie: Regressionsanalyse
Regressionsanalyse
Kategorie: Statistische Analyse
Statistische Analyse
Kategorie: Prädiktive Modellierung
Prädiktive Modellierung
Kategorie: Statistische Inferenz
Statistische Inferenz
Kategorie: Maschinelles Lernen
Maschinelles Lernen
Kategorie: Modell Ausbildung
Modell Ausbildung
Kategorie: Bewertung des Modells
Bewertung des Modells
Kategorie: Statistisches maschinelles Lernen
Statistisches maschinelles Lernen
Kategorie: Statistische Methoden
Statistische Methoden
Kategorie: Algorithmen für maschinelles Lernen
Algorithmen für maschinelles Lernen
Kategorie: Statistische Modellierung
Statistische Modellierung
Kategorie: Klassifizierungs- und Regressionsbaum (CART)
Klassifizierungs- und Regressionsbaum (CART)
Kategorie: Logistische Regression
Logistische Regression
Kategorie: Unüberwachtes Lernen
Unüberwachtes Lernen
Kategorie: Datenwissenschaft
Datenwissenschaft
Kategorie: Überwachtes Lernen
Überwachtes Lernen
Werkzeuge, die Sie lernen werden
Kategorie: Klassifizierungsalgorithmen
Klassifizierungsalgorithmen
Kategorie: R Programmierung
R Programmierung
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
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
In diesem Kurs gibt es 6 Module
In Einführung in das statistische Lernen werden Konzepte der statistischen Modellierung erforscht, z.B. wann man bestimmte Modelle verwendet, wie man diese Modelle abstimmt und ob andere Optionen bestimmte Kompromisse bieten. Wir werden Regression, Klassifizierung, Bäume, Resampling, unüberwachte Techniken und vieles mehr behandeln! Dieser Kurs kann im Rahmen des Master of Science in Data Science (MS-DS) der CU Boulder, der auf der Coursera-Plattform angeboten wird, angerechnet werden. Der MS-DS ist ein interdisziplinärer Studiengang, der Dozenten aus den Fachbereichen Angewandte Mathematik, Informatik, Informationswissenschaften und anderen Bereichen der CU Boulder zusammenbringt. Da die Zulassung leistungsabhängig ist und es kein Bewerbungsverfahren gibt, ist der MS-DS ideal für Personen mit einem breiten Spektrum an grundständiger Ausbildung und/oder Berufserfahrung in Informatik, Informationswissenschaft, Mathematik und Statistik. Erfahren Sie mehr über das MS-DS-Programm unter https://hua.dididi.sbs/degrees/master-of-science-data-science-boulder.
Einführung in die übergreifenden und grundlegenden Konzepte des statistischen Lernens.
Das ist alles enthalten
9 Videos3 Lektüren1 Diskussionsthema
Infos zu Modulinhalt anzeigen
9 Videos•Insgesamt 37 Minuten
Einführung und Begrüßung•1 Minute
Überwacht vs. Unüberwacht•6 Minuten
Notationsübersicht•4 Minuten
Überblick Beispiel & Diskussion•4 Minuten
Vorhersage•5 Minuten
Inferenz•4 Minuten
Parametrische Methoden•3 Minuten
Interpretierbarkeit vs. Flexibilität•6 Minuten
Quantitativ vs. Qualitativ•3 Minuten
3 Lektüren•Insgesamt 21 Minuten
Kursaktualisierungen und Unterstützung bei der Barrierefreiheit•1 Minute
Verdienen Sie akademische Anerkennung für Ihre Arbeit!•10 Minuten
Kurs-Unterstützung•10 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Stellen Sie sich vor•10 Minuten
Genauigkeit
Modul 2•7 Stunden abzuschließen
Moduldetails
Erforschung der Bewertung von Modellen in verschiedenen Situationen. Wie definieren wir ein "bestes" Modell für gegebene Daten?
Das ist alles enthalten
6 Videos2 Programmieraufgaben1 Diskussionsthema
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 34 Minuten
Modell-Genauigkeit•6 Minuten
Verzerrungs-Varianz-Abgleich•6 Minuten
Bewertung der Genauigkeit - Klassifizierung•4 Minuten
Bayes Klassifikator Teil I•7 Minuten
Bayes Klassifikator Teil II•3 Minuten
Bewertung der Genauigkeit - KNN•7 Minuten
2 Programmieraufgaben•Insgesamt 360 Minuten
Statistisches Lernen•180 Minuten
Quiz 1 - Statistisches Lernen•180 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Analogie zwischen Trainingsfehlerquote und Testfehlerquote•10 Minuten
Einfache lineare Regression
Modul 3•1 Stunde abzuschließen
Moduldetails
Einführung in die einfache lineare Regression, z.B. wann und wie man sie verwendet.
Das ist alles enthalten
5 Videos1 Diskussionsthema
Infos zu Modulinhalt anzeigen
5 Videos•Insgesamt 30 Minuten
Einfache lineare Regression Überblick•6 Minuten
Koeffizient Schätzung•9 Minuten
Genauigkeit der Koeffizientenschätzungen•6 Minuten
Modell-Genauigkeit•6 Minuten
Korrelation•4 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Problem der Korrelation•10 Minuten
Multiple lineare Regression
Modul 4•10 Stunden abzuschließen
Moduldetails
Ein tiefer Einblick in die multiple lineare Regression, eine starke und äußerst beliebte Technik für ein kontinuierliches Ziel.
Das ist alles enthalten
6 Videos3 Programmieraufgaben
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 35 Minuten
Übersicht über die multiple lineare Regression•4 Minuten
Beziehung zwischen X und Y•11 Minuten
Qualitative Prädiktoren•5 Minuten
Interaktion Begriffe•4 Minuten
Multikollinearität•6 Minuten
Lineare Regression vs. KNN-Regression•5 Minuten
3 Programmieraufgaben•Insgesamt 540 Minuten
Lineare Regression•180 Minuten
Lineare Regression mit Tidy-Modellen•180 Minuten
Quiz 2 - Lineare Regression•180 Minuten
Übersicht über die Klassifizierung
Modul 5•1 Stunde abzuschließen
Moduldetails
Das ist alles enthalten
7 Videos1 Diskussionsthema
Infos zu Modulinhalt anzeigen
7 Videos•Insgesamt 42 Minuten
Übersicht über die Klassifizierung•6 Minuten
Lineare vs. logistische Regression•7 Minuten
Logistische Regression•3 Minuten
Schätzung der Koeffizienten•4 Minuten
Mehrfache logistische Regression•10 Minuten
Generative Modelle Teil I•4 Minuten
Generative Modelle Teil II•7 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Verwendung der linearen Regression bei der Klassifizierung•10 Minuten
Klassifizierungsmodelle
Modul 6•16 Stunden abzuschließen
Moduldetails
Das ist alles enthalten
8 Videos5 Programmieraufgaben
Infos zu Modulinhalt anzeigen
8 Videos•Insgesamt 51 Minuten
LDA•7 Minuten
LDA-Schätzungen•6 Minuten
LDA mit p > 1•7 Minuten
Standard bis Multivariate Details•7 Minuten
QDA•6 Minuten
Naive Bayes•5 Minuten
Poisson-Regression•6 Minuten
Link-Funktionen und Schlussfolgerung•8 Minuten
5 Programmieraufgaben•Insgesamt 900 Minuten
Klassifizierung•180 Minuten
Klassifizierung Teil 2•180 Minuten
Klassifizierung mit aufgeräumten Modellen•180 Minuten
Klassifizierung mit Tidy-Modellen Teil 2•180 Minuten
Quiz 3 - Klassifizierung•180 Minuten
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Auf einen Abschluss hinarbeiten
Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹
Mögliche Abschüsse anzeigen
Auf einen Abschluss hinarbeiten
Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹
¹Erfolgreiche Bewerbung und Einschreibung sind erforderlich. Es gelten die Zulassungsbedingungen. Jede Einrichtung legt die Anzahl der Credits fest, die durch die Absolvierung dieser Inhalte anerkannt werden und auf die Abschlussanforderungen angerechnet werden können, wobei bereits vorhandene Credits berücksichtigt werden. Klicken Sie auf einen bestimmten Kurs, um weitere Informationen zu erhalten.
Die CU Boulder ist eine dynamische Gemeinschaft von Gelehrten und Lernenden auf einem der spektakulärsten College-Campus des Landes. AS eine von 34 öffentlichen US-Institutionen in der angesehenen Association of American Universities (AAU), haben wir eine stolze Tradition der akademischen Exzellenz, mit fünf Nobelpreisträgern und mehr als 50 Mitglieder der renommierten akademischen Akademien.
OK
Mehr von Wahrscheinlichkeitsrechnung und Statistik entdecken
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. 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.
Was bekomme ich, wenn ich mich für diese Specialization einschreibe?
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.