中
欢迎来到数据科学高级线性模型课程 1：最小二乘法。本课程从线性代数和数学的角度介绍最小二乘法。在开始本课程之前，请确保您已具备以下条件： - 对线性代数和多元微积分有基本的了解 - 对统计学和回归模型有基本的了解 - 至少对基于证明的数学有一点了解 - 对 R 编程语言有基本的了解。 学完本课程后，学生将在回归模型的线性代数处理方面打下坚实的基础。这将大大增强应用数据科学家对回归模型的一般理解。
数据科学高级线性模型 1：最小二乘法
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 数据科学高级统计学 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6个模块
我们将介绍一些基本的矩阵代数结果，这些结果在整个课程中都会用到。其中包括一些基本的向量导数。此外，我们还将介绍一些矩阵的基本用法，以创建数据的汇总统计。这包括计算和减去观测值的均值（居中）以及计算方差。
涵盖的内容
7个视频4篇阅读材料1个作业
在本模块中，我们将介绍原点回归和线性回归的基础知识。通过原点回归是一个有趣的案例，因为我们可以用它建立所有的多元回归。
涵盖的内容
6个视频2篇阅读材料1个作业
本讲座的重点是线性回归，这是研究无约束线性关系的最标准技术。
涵盖的内容
8个视频2篇阅读材料1个作业
现在，我们转入一般最小二乘法，将任意全秩设计矩阵与结果向量进行拟合。
涵盖的内容
6个视频1篇阅读材料1个作业
在这里，我们将举出一些线性模型的典型例子，以便将它们与您可能已经在使用的技术联系起来。
涵盖的内容
4个视频1个作业
在这里，我们给出了一种非常有用的线性模型，即把信号分解为基扩展。
涵盖的内容
6个视频2个作业
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。
位教师
授课教师评分
4.7 (20个评价)
从 概率论与数理统计 浏览更多内容
状态：免费试用Johns Hopkins University
状态：免费试用Illinois Tech
状态：免费试用Howard University
状态：免费试用Johns Hopkins University
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
4.5
188 条评论
- 5 stars
63.29%
- 4 stars
25%
- 3 stars
7.44%
- 2 stars
3.19%
- 1 star
1.06%
显示 3/188 个
JC
5
已于 Mar 4, 2018审阅
Very thorough and rigorous. A great review for me.
JR
4
已于 Nov 6, 2017审阅
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.
SH
5
已于 Sep 12, 2020审阅
Excellent experience. I have learnt a lot in different aspect of linear models as well as the coding skills from this course. Thank you.
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，