本课程涵盖总结数据的基本探索性技术。这些技术通常在开始正式建模之前应用,有助于为开发更复杂的统计模型提供信息。探索性技术对于消除或锐化数据可以解决的关于世界的潜在假设也很重要。我们将详细介绍 R 中的绘图系统以及构建数据图形的一些基本原则。我们还将介绍一些用于高维数据可视化的常用多元统计技术。

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
- 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
本周将介绍 R 中分析图形和基本绘图系统的基础知识。我们还提供了一些背景材料,帮助尚未安装 R 的用户进行安装。
涵盖的内容
15个视频6篇阅读材料1个作业5个编程作业1次同伴评审
欢迎来到探索性数据分析的第 2 周。本周将介绍 R 中一些更高级的图形系统:Lattice 系统和 ggplot2 系统。虽然基础图形系统提供了许多重要的数据可视化工具,但它是原始 R 系统的一部分,缺乏绘图系统中可能需要的许多功能,尤其是在可视化高维数据时。Lattice 和 ggplot2 系统还简化了绘制地图的过程,使其不再那么繁琐。
涵盖的内容
7个视频1篇阅读材料1个作业5个编程作业
欢迎来到探索性数据分析的第 3 周。本周将介绍一些用于探索性分析的主要统计方法。这些方法包括聚类和降维技术,这些技术允许您对高维数据(很多很多变量)进行图形显示。我们还将介绍在 R 中指定颜色的新方法,以便您在制作数据图形时将颜色作为一个重要而有用的维度。所有这些内容都将在我的著作《用 R 进行探索性数据分析》(Exploratory Data Analysis with R)的第 9-12 章中介绍。
涵盖的内容
12个视频1篇阅读材料4个编程作业
本周,我们将学习两个探索性数据分析案例。第一个案例涉及聚类分析技术的使用,第二个案例是对一些空气污染数据进行更深入的分析。如何进行探索性数据分析通常是个人的事情,但我提供这些视频是为了让您了解如何处理特定类型的数据集。
涵盖的内容
2个视频2篇阅读材料1个编程作业1次同伴评审
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。
人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
学生评论
- 5 stars
74.33%
- 4 stars
21.09%
- 3 stars
3.38%
- 2 stars
0.73%
- 1 star
0.44%
显示 3/6086 个
已于 Oct 31, 2019审阅
Good introduction. The swirl exercises kind of reproduce the lectures though- felt like it might not have been the most efficient use of time to go over the exact same example again.
已于 Jan 11, 2017审阅
I did learn more about putting together a set of graphs that help to explore the data. I did see how subsetting and aggregating data helps to give a better understanding of the data.
已于 Jul 3, 2018审阅
Excellent explanation and adding very good skills on the way of data science specialization.For some slides they should be updated to have working URLs , some seems old and absolute now
从 数据科学 浏览更多内容

University of Leeds
¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。









