中
在数据科学统计建模课程的最后一门课程中，学员将学习一系列更高级的统计建模工具。这些工具包括广义线性模型 (GLM)，其中将介绍分类（通过逻辑回归）；非参数建模，包括核估计器、平滑样条；以及半参数广义加法模型 (GAM)。重点将放在对这些工具的牢固概念理解上。本课程可作为 Coursera 平台上提供的中大博尔德数据科学理学硕士（MS-DS）学位课程的一部分获得学分。MS-DS 是一个跨学科学位，汇集了来自中大博尔德应用数学、计算机科学、信息科学等院系的教师。MS-DS 以成绩为录取依据，不需要申请程序，非常适合在计算机科学、信息科学、数学和统计学方面拥有广泛的本科教育和/或专业经验的个人。了解有关 MS-DS 项目的更多信息，请访问 https://hua.dididi.sbs/degrees/master-of-science-data-science-boulder。 Logo 改编自 Vincent Ledvina 在 Unsplash 上拍摄的照片
广义线性模型和非参数回归
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 数据科学应用统计建模 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
在本模块中，我们将通过研究二叉数据来介绍广义线性模型（GLM）。特别是，我们将激发对 GLM 的需求；介绍二项回归模型，包括最常见的二项连接函数；正确解释二项回归模型；并考虑评估二项回归模型拟合度和预测能力的各种方法。
涵盖的内容
7个视频4篇阅读材料3个作业2个编程作业2次同伴评审1个讨论话题2个非评分实验室
在本模块中，我们将讨论如何建立计数数据模型。当响应变量是某种现象的计数，并且该计数被认为取决于一组预测因子时，我们可以使用泊松回归作为模型。我们将详细介绍泊松回归，并在实际数据中使用泊松回归。然后，我们将描述不适合使用泊松回归的情况，并简要介绍这些情况的解决方案。
涵盖的内容
7个视频2个作业1个编程作业1次同伴评审3个非评分实验室
在本模块中，我们将介绍非参数回归模型的概念。我们将把这一概念与迄今为止学习过的参数模型进行对比。然后，我们将学习特定的非参数回归模型：核估计器和样条。最后，我们将介绍作为参数和非参数方法混合体的加法模型。
涵盖的内容
6个视频1个作业1个编程作业1次同伴评审3个非评分实验室
有些模型，如线性回归，很容易解释，但不灵活，因为它们不能准确捕捉现实世界中的许多关系。其他模型，如神经网络，相当灵活，但很难解释。广义相加模型（GAM）在灵活性和可解释性之间取得了很好的平衡。在本模块中，我们将进一步介绍广义相加模型，学习拟合广义相加模型的基本数学知识，并用 R 在模拟数据和真实数据中实现这些模型。
涵盖的内容
6个视频1篇阅读材料2个作业1个编程作业1次同伴评审3个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
攻读学位
课程 是 University of Colorado Boulder提供的以下学位课程的一部分。如果您被录取并注册，您已完成的课程可计入您的学位学习，您的学习进度也可随之转移。
位教师
授课教师评分
4.4 (9个评价)
从 概率论与数理统计 浏览更多内容
状态：免费试用University of Colorado Boulder
状态：免费试用University of Colorado Boulder
状态：免费试用Johns Hopkins University
状态：免费试用University of Colorado Boulder
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.3
20 条评论
- 5 stars
75%
- 4 stars
0%
- 3 stars
10%
- 2 stars
5%
- 1 star
10%
显示 3/20 个
CT
5
已于 Jun 27, 2023审阅
The pace of instruction is excellent and the assignments make it easy to translate theory to practice.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，