After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
कोर्स विवरण
इस कोर्स में, आप डेटा के साथ मॉडल बनाना सीखेंगे। मॉडल किसी रुचि वाले outcome वैरिएबल और कई explanatory/predictor वैरिएबल्स के बीच संबंध को कैप्चर करने की कोशिश करते हैं। ऐसे मॉडल व्याख्यात्मक उद्देश्यों के लिए, जैसे "क्या प्रोफेसरों की उम्र जानने से उनके teaching evaluation स्कोर समझाने में मदद मिलती है?", और predictive उद्देश्यों के लिए, जैसे "किसी घर का दाम उसके आकार और हालत के आधार पर हम कितनी अच्छी तरह भविष्यवाणी कर सकते हैं?", दोनों में उपयोगी होते हैं। आप अपने tidyverse कौशल का उपयोग करके ऐसे मॉडल बनाएँगे और उनकी व्याख्या करेंगे। यह कोर्स linear regression के उपयोग पर केंद्रित है, जो modeling के लिए सबसे आम और आसानी से समझ आने वाले तरीकों में से एक है। ऐसा model-आधारित सोचना कई क्षेत्रों में उपयोग होता है, जैसे statistics, causal inference, machine learning, और artificial intelligence.
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Modeling का परिचय
इस अध्याय में आप modeling की पृष्ठभूमि सिद्धांत और शब्दावली से परिचित होंगे, विशेष रूप से general modeling framework, explanation के लिए modeling और prediction के लिए modeling में अंतर, और modeling समस्या। इसके अलावा, आप अपना पहला exploratory data analysis करना शुरू करेंगे — जो किसी भी औपचारिक modeling से पहले का एक अहम कदम है।
- व्याख्या हेतु मॉडलिंग का पृष्ठभूमि परिचय50 XP
- उम्र का एक्सप्लोरेटरी विज़ुअलाइज़ेशन100 XP
- उम्र के संख्यात्मक सारांश100 XP
- प्रेडिक्शन के लिए मॉडलिंग की पृष्ठभूमि50 XP
- घर के आकार का खोजपूर्ण विज़ुअलाइज़ेशन100 XP
- घर के आकार का Log10 ट्रांसफॉर्मेशन100 XP
- व्याख्या के लिए मॉडलिंग की समस्या50 XP
- टीचिंग और "beauty" स्कोर के संबंध की EDA100 XP
- शिक्षण और "beauty" स्कोर के बीच सहसंबंध100 XP
- prediction के लिए modeling समस्या50 XP
- हाउस प्राइस और वॉटरफ्रंट के संबंध की EDA100 XP
- वॉटरफ़्रंट के साथ घर की कीमत का अनुमान100 XP
2
बेसिक Regression के साथ Modeling
General modeling framework की समझ के साथ, इस अध्याय में हम basic linear regression कवर करेंगे जहाँ आप चीज़ों को सरल रखेंगे और outcome वैरिएबल y को एक ही explanatory/predictor वैरिएबल x के फ़ंक्शन के रूप में मॉडल करेंगे। हम x के दोनों प्रकार — numerical और categorical — का उपयोग करेंगे। इस अध्याय में रुचि का outcome वैरिएबल University of Texas, Austin के instructors के teaching evaluation स्कोर होंगे।
3
Multiple Regression के साथ Modeling
पिछले अध्याय में, आपने basic regression के बारे में सीखा था जिसमें या तो एक single numerical या एक categorical predictor होता है। लेकिन अपनी explanations/predictions के लिए केवल एक वैरिएबल तक सीमित क्यों रहें? अब आप basic regression को multiple regression तक बढ़ाएँगे, जो आपके मॉडल में एक से अधिक explanatory या predictor वैरिएबल्स को शामिल करने की अनुमति देता है। आप Seattle, WA महानगरीय क्षेत्र के घरों के एक डेटासेट का उपयोग करके house prices को मॉडल करेंगे।
4
Model का आकलन और चयन
पिछले अध्यायों में, आपने किसी रुचि वाले outcome वैरिएबल को समझाने या predict करने के लिए विभिन्न मॉडल फिट किए। लेकिन हमें कैसे पता चले कि किन मॉडलों को चुनना चाहिए? Model assessment मेट्रिक्स आपको यह आँकने देती हैं कि कोई explanatory मॉडल डेटा के सेट पर कितना अच्छा "fit" होता है या कोई predictive मॉडल कितना सटीक है। इन मापों के आधार पर, आप यह सीखेंगे कि किन मानदंडों से यह तय करें कि कौन से मॉडल "best" हैं।
R
Tidyverse में डेटा के साथ Modeling
कोर्स
पूरा
