Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Shoebur RahmanSpesialis Pengadaan, Giz Bangladesh
Deskripsi Kursus
Dalam kursus ini, Anda akan belajar melakukan pemodelan dengan data. Model berupaya menangkap hubungan antara variabel luaran yang diminati dan serangkaian variabel penjelas/prediktor. Model seperti ini dapat digunakan untuk tujuan penjelasan, misalnya, "Apakah mengetahui usia profesor membantu menjelaskan skor evaluasi pengajarannya?", dan tujuan prediksi, misalnya, "Seberapa baik kita dapat memprediksi harga rumah berdasarkan ukuran dan kondisinya?" Anda akan memanfaatkan keterampilan tidyverse untuk membangun dan menafsirkan model tersebut. Kursus ini berfokus pada regresi linear, salah satu pendekatan pemodelan yang paling umum digunakan dan mudah dipahami. Pemodelan dan pola pikir seperti ini digunakan di berbagai bidang, termasuk statistika, inferensi kausal, Machine Learning, dan kecerdasan buatan.
Prasyarat
Kurikulum
Ringkasan kursus
1
Pendahuluan ke Pemodelan
Bab ini akan memperkenalkan beberapa teori latar belakang dan istilah dalam pemodelan, khususnya kerangka umum pemodelan, perbedaan antara pemodelan untuk penjelasan dan pemodelan untuk prediksi, serta permasalahan pemodelan. Selain itu, Anda akan mulai melakukan analisis data eksploratori pertama Anda, langkah awal yang krusial sebelum pemodelan formal apa pun.
- Latar belakang pemodelan untuk penjelasan50 XP
- Visualisasi eksploratif untuk age100 XP
- Ringkasan numerik untuk age100 XP
- Latar belakang pemodelan untuk prediksi50 XP
- Visualisasi eksploratif ukuran rumah100 XP
- Transformasi log10 untuk ukuran rumah100 XP
- Permasalahan pemodelan untuk penjelasan50 XP
- EDA hubungan antara skor pengajaran dan "kecantikan"100 XP
- Korelasi antara skor pengajaran dan skor "kecantikan"100 XP
- Masalah pemodelan untuk prediksi50 XP
- EDA hubungan harga rumah dan waterfront100 XP
- Memprediksi harga rumah dengan waterfront100 XP
2
Pemodelan dengan Regresi Dasar
Berbekal pemahaman Anda tentang kerangka umum pemodelan, pada bab ini kita membahas regresi linear dasar di mana Anda menjaga model tetap sederhana dengan memodelkan variabel luaran y sebagai fungsi dari satu variabel penjelas/prediktor tunggal x. Kita akan menggunakan x numerik maupun kategorikal. Variabel luaran yang menjadi fokus pada bab ini adalah skor evaluasi pengajaran dari para pengajar di University of Texas, Austin.
3
Pemodelan dengan Regresi Berganda
Pada bab sebelumnya, Anda mempelajari regresi dasar menggunakan satu prediktor numerik atau kategorikal. Namun, mengapa membatasi diri hanya pada satu variabel untuk mendukung penjelasan/prediksi Anda? Kini Anda akan memperluas regresi dasar menjadi regresi berganda, yang memungkinkan penggabungan lebih dari satu variabel penjelas atau prediktor dalam model Anda. Anda akan memodelkan harga rumah menggunakan himpunan data rumah di wilayah metropolitan Seattle, WA.
4
Penilaian dan Pemilihan Model
Pada bab-bab sebelumnya, Anda menyesuaikan berbagai model untuk menjelaskan atau memprediksi variabel luaran yang diminati. Namun, bagaimana kita mengetahui model mana yang harus dipilih? Ukuran penilaian model memungkinkan Anda menilai seberapa baik sebuah model penjelasan "menyesuaikan" sekumpulan data atau seberapa akurat sebuah model prediksi. Berdasarkan ukuran tersebut, Anda akan mempelajari kriteria untuk menentukan model mana yang "terbaik".
R
Pemodelan dengan Data di Tidyverse
Kursus
Selesai
