在本课程中，将向学员介绍统计学领域，包括数据来源、研究设计、数据管理以及数据探索和可视化。学员将识别不同类型的数据，学习如何可视化、分析和解释单变量和多变量数据的摘要。每周结束时，学习者将在课程环境中使用 Python 应用所学的统计概念。在这些基于实验的课程中，学习者将发现 Python 作为工具的不同用途，包括 Numpy、Pandas、Statsmodels、Matplotlib 和 Seaborn 库。课程还提供视频教程，指导学习者使用 Python 创建可视化和数据管理。本课程使用 Coursera 中的 Jupyter Notebook 环境。
使用 Python 理解和可视化数据
使用 Python 理解和可视化数据
本课程是 用 Python 进行统计 专项课程 的一部分
位教师：Brenda Gunderson
访问权限由 New York State Department of Labor 提供
153,233 人已注册
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 用 Python 进行统计 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
在课程的第一周，我们将回顾课程大纲，了解未来几周要掌握的各种概念和目标。您将了解统计领域，并探索该领域的各种观点。我们将识别多种类型的数据，并观察它们在日常生活中的应用。您将深入学习 Python 的基本功能，以及 Jupyter Notebook 简介。有关评分、先决条件和期望的所有课程信息都在课程大纲中，您可以在课程资源页面找到更多信息。
涵盖的内容
11个视频7篇阅读材料2个作业1个讨论话题5个非评分实验室
在本课程的第二周，我们将研究一个变量（单变量数据）的图形和数字解释。特别是，我们将绘制和分析直方图、箱形图和数据的数字摘要，以便为定量数据提供分析基础，为分类数据提供条形图和饼图。我们将对数字摘要做出一些关键解释，如平均值、IQR 和标准偏差。本周结束时，将对数字摘要和对这些摘要的解释进行评估。
涵盖的内容
6个视频3篇阅读材料3个作业1个讨论话题6个非评分实验室
在本课程的第三周，我们将介绍研究需要观察多个变量的研究问题的关键思路。 特别是，我们将从数字和视觉两方面考虑不同变量之间如何相互作用，如果不适当考虑相互作用，总结会如何显得具有欺骗性，以及定量变量和分类变量之间的差异。 本周的作业将包括写作作业和回顾同学的作业。
涵盖的内容
4个视频2篇阅读材料2个作业1次同伴评审1个讨论话题6个非评分实验室
本周，您将花更多时间思考数据的来源。最高质量的数据统计分析总是包含有关数据生成过程的信息或数据收集设计的特征。您将接触到与从较大人群中抽样有关的重要概念，包括概率抽样和非概率抽样，以及我们如何根据设计良好的样本对较大人群进行推断。您还将了解抽样分布的概念，以及对该分布方差的估计如何在对人群进行陈述时发挥关键作用。最后，您还将了解阅读给定数据集文档的重要性；查看数据的一个关键步骤是查看该数据集的可用文档，其中描述了数据是如何生成的。
涵盖的内容
12个视频10篇阅读材料2个作业4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。
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
- 5 stars
75.93%
- 4 stars
18.36%
- 3 stars
3.56%
- 2 stars
0.99%
- 1 star
1.13%
显示 3/2722 个
DT
已于 May 27, 2020审阅
This course is very good for the people who are not from programming background as everything related to the concepts is very well explained (with programming support) throughout the course
MR
已于 Jun 2, 2020审阅
Never have I come across a course half as interactive as this and it was a much needed confidence booster for a beginner like me. I look forward to completing the specialization : )
AS
已于 Mar 2, 2021审阅
20 studying hours that helps me getting back to speed on manipulating the quantitative data in Pandas with different query conditions, powerful statistics and Sampling Distributions.
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。