在本课程中，我们将扩展对统计推断技术的探索，重点关注将统计模型拟合到数据的科学和艺术。我们将以统计推断课程（课程 2）中提出的概念为基础，强调将研究问题与数据分析方法联系起来的重要性。本课程将介绍和探讨各种统计建模技术，包括线性回归、逻辑回归、广义线性模型、层次和混合效应（或多层次）模型以及贝叶斯推断技术。所有技术都将使用各种真实数据集进行说明，课程将强调针对不同类型的数据集采用不同的建模方法，具体取决于数据背后的研究设计（请参阅课程 1 "使用 Python 理解和可视化数据"）。 在这些基于实验室的课程中，学员将通过侧重于具体案例研究的教程来帮助巩固本周的统计概念，其中包括进一步深入学习 Python 库，包括 Statsmodels、Pandas 和 Seaborn。本课程使用 Coursera 中的 Jupyter Notebook 环境。
用 Python 对数据拟合统计模型
用 Python 对数据拟合统计模型
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 Coursera Learning Team 提供
36,540 人已注册
您将学到什么
通过掌握数据拟合统计模型的艺术，加深对统计推断技术的理解。
将研究问题与数据分析方法联系起来，强调目标、变量之间的关系以及预测。
利用真实数据集探索各种统计建模技术，如线性回归、逻辑回归和贝叶斯推断。
在 Jupyter Notebook 环境中，使用 Python 和 Statsmodels、Pandas、Seaborn 等库来进行实践案例研究。
您将获得的技能
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
7 项作业
授课语言：英语（English）
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
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
66.43%
- 4 stars
19.44%
- 3 stars
7.97%
- 2 stars
3.49%
- 1 star
2.65%
显示 3/715 个
AA
已于 Jun 19, 2020审阅
The course was wonderful however, sometimes I felt that a little bit more details could be provided when python code was being explained for week 2.
ST
已于 Jan 23, 2021审阅
Week 3 starts to get unreasonably difficult and hard to understand. Apart from that, the course is still worthwhile to take.
VO
已于 Sep 17, 2019审阅
Good course, but the last of three was the most difficult one. I hope that it were a good introduction to the fascinating world of statistics and data science
从 数据科学 浏览更多内容
University of Michigan
University of Michigan
Edureka
