Last chance: 50% off unlimited learning
Sale ends in
Descrizione del corso
In questo corso imparerai a creare modelli a partire dai dati. I modelli cercano di catturare la relazione tra una variabile di interesse (outcome) e una serie di variabili esplicative/predittive. Tali modelli possono essere usati sia a scopo esplicativo, ad esempio: "Sapere l'età dei professori aiuta a spiegare i loro punteggi di valutazione dell'insegnamento?", sia a scopo predittivo, ad esempio: "Quanto bene possiamo prevedere il prezzo di una casa in base alla sua dimensione e al suo stato?" Metterai a frutto le tue competenze con il tidyverse per costruire e interpretare questi modelli. Il corso è incentrato sulla regressione lineare, uno degli approcci alla modellazione più usati e facili da comprendere. Questo modo di modellare e di pensare è impiegato in un'ampia varietà di campi, tra cui statistica, inferenza causale, Machine Learning e intelligenza artificiale.
Prerequisiti
Programma
Struttura del corso
1
Introduzione alla modellazione
In questo capitolo ti presenteremo alcune nozioni teoriche e di terminologia per la modellazione: in particolare, il quadro generale della modellazione, la differenza tra modellazione a scopo esplicativo e a scopo predittivo, e il problema della modellazione. Inoltre, inizierai a svolgere la tua prima analisi esplorativa dei dati, un passaggio cruciale prima di qualsiasi modellazione formale.
- Contesto sul modeling per la spiegazione50 XP
- Visualizzazione esplorativa dell'età100 XP
- Riepiloghi numerici di age100 XP
- Nozioni di base sulla modellazione per la predizione50 XP
- Visualizzazione esplorativa della dimensione delle case100 XP
- Trasformazione log10 della dimensione della casa100 XP
- Il problema di modellazione per la spiegazione50 XP
- EDA della relazione tra valutazioni didattiche e punteggi di "bellezza"100 XP
- Correlazione tra punteggi di insegnamento e di "bellezza"100 XP
- Il problema di modellazione per la previsione50 XP
- EDA sulla relazione tra prezzo delle case e fronte mare100 XP
- Prevedere il prezzo delle case con vista sull'acqua100 XP
2
Modellazione con la regressione di base
Forte della comprensione del quadro generale della modellazione, in questo capitolo tratteremo la regressione lineare di base, in cui terreai le cose semplici e modellerai la variabile di outcome y come funzione di una singola variabile esplicativa/predittiva x. Useremo sia variabili x numeriche sia categoriali. La variabile di outcome di interesse in questo capitolo saranno i punteggi di valutazione dell'insegnamento dei docenti dell'Università del Texas, Austin.
3
Modellazione con la regressione multipla
Nel capitolo precedente hai visto la regressione di base usando un singolo predittore numerico o categoriale. Ma perché limitarsi a una sola variabile per guidare spiegazioni/previsioni? Ora estenderai la regressione di base alla regressione multipla, che consente di includere più di una variabile esplicativa o predittiva nei tuoi modelli. Modellerai i prezzi delle case usando un insieme di dati di abitazioni dell'area metropolitana di Seattle, WA.
4
Valutazione e selezione dei modelli
Nei capitoli precedenti hai adattato vari modelli per spiegare o prevedere una variabile di outcome di interesse. Tuttavia, come facciamo a sapere quali modelli scegliere? Le misure di valutazione del modello ti permettono di verificare quanto bene un modello esplicativo "si adatta" a un insieme di dati o quanto è accurato un modello predittivo. In base a queste misure, conoscerai i criteri per determinare quali modelli sono i "migliori".
R
Modellazione con i dati nel Tidyverse
Corso
completato
