これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
科学者の主な目標のひとつは、データの中からパターンを見つけ、それらを説明・予測し、洞察を得るためのモデルを構築することです。最も基本的なパターンは、2つの変数の間の線形関係です。本コースでは、最小二乗法、線形回帰、推定、ブートストラップ再標本化といった手法を用いて、データにおける線形関係の探索・定量化・モデリングを導入します。ここでは、scipy、statsmodels、scikit-learn など、Python のデータサイエンスエコシステムで強力なモデリングツールを活用し、線形モデルを構築・評価します。Python とともに線形モデルの概念と活用法を学ぶことで、実践的なモデリング入門であると同時に、統計や Machine Learning における、より高度なモデリング手法やツールを学ぶための基礎を築きます。
前提条件
カリキュラム
コース概要
1
線形トレンドを探る
このコースではまず、線形関係を初歩から探索します。線形モデルがどのように使われるかの動機付けとなる例と、matplotlib を使ったデータ可視化の手法を紹介します。そのうえで、記述統計でデータの形状を定量化し、相関によって2変数間の線形関係の強さを測ります。
2
線形モデルを構築する
この章では、線形モデルを構築するための要素を見ていきます。テイラー展開の考え方を手がかりに、傾きと切片というパラメータに注目し、それらがモデルをどう定義し、さまざまな実例でどのように解釈できるかを学びます。さらに、最小二乗法や numpy、statsmodels、scikit-learn などを用いて、傾きと切片の最適値を計算し、データに最も適合するモデルを求めます。
3
モデルで予測する
次に、実データへモデルを適用して予測を行います。予測にありがちな落とし穴や限界を検討し、RMSE や R-squared を含む複数の当てはまり指標を定量化・比較することで、モデルを評価します。
4
モデルパラメータを推定する
最終章では推測統計の概念を導入し、最尤推定やブートストラップ再標本化を利用して線形モデルのパラメータを推定する方法を学びます。続いて、これらの手法を使い、モデルパラメータに対する私たちの確信度について確率的な主張を行います。
Pythonで学ぶ線形モデリング入門
コース修了
