Build your ultimate AI agent
Descrierea cursului
În acest curs, vei învăța să construiești modele cu date. Modelele încearcă să surprindă relația dintre o variabilă de interes (variabila de răspuns) și o serie de variabile explicative sau predictoare. Astfel de modele pot fi folosite atât în scop explicativ – de exemplu, „Ne ajută vârsta profesorilor să explicăm scorurile lor de evaluare a predării?" –, cât și în scop predictiv – de exemplu, „Cât de bine putem prezice prețul unei case pe baza suprafeței și stării acesteia?" Vei folosi abilitățile tale din Tidyverse pentru a construi și interpreta astfel de modele. Cursul se concentrează pe regresia liniară, una dintre cele mai utilizate și mai ușor de înțeles abordări în modelare. Acest tip de modelare și gândire este folosit într-o mare varietate de domenii, printre care statistică, inferență cauzală, machine learning și inteligență artificială.
Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în modelare
Acest capitol îți va prezenta teoria de bază și terminologia specifică modelării – în special cadrul general de modelare, diferența dintre modelare pentru explicație și modelare pentru predicție, precum și problema modelării. În plus, vei face primele tale analize exploratorii ale datelor, un pas esențial înainte de orice modelare formală.
- Fundamente ale modelării pentru explicație50 XP
- Vizualizare exploratorie a vârstei100 XP
- Rezumate numerice ale vârstei100 XP
- Fundamente ale modelării predictive50 XP
- Vizualizare exploratorie a suprafeței locuinței100 XP
- Transformarea log10 a suprafeței locuinței100 XP
- Problema modelării pentru explicație50 XP
- EDA a relației dintre scorurile de predare și cele de „atractivitate"100 XP
- Corelația dintre scorurile de predare și cele de „atractivitate"100 XP
- Problema de modelare pentru predicție50 XP
- EDA a relației dintre prețul casei și amplasarea pe malul apei100 XP
- Predicția prețului unei case în funcție de vedere la apă100 XP
2
Modelare cu regresie simplă
Acum că ai înțeles cadrul general de modelare, în acest capitol vom aborda regresia liniară simplă. Vei menține lucrurile simple și vei modela variabila de răspuns y în funcție de o singură variabilă explicativă sau predictoare x. Vom folosi atât variabile x numerice, cât și categoriale. Variabila de interes din acest capitol va fi scorurile de evaluare a predării pentru instructorii de la Universitatea din Texas, Austin.
3
Modelare cu regresie multiplă
În capitolul anterior, ai studiat regresia simplă folosind fie un singur predictor numeric, fie unul categorial. Dar de ce să ne limităm la o singură variabilă pentru a fundamenta explicațiile sau predicțiile? Vei extinde acum regresia simplă la regresia multiplă, care permite includerea mai multor variabile explicative sau predictoare în modele. Vei modela prețurile locuințelor folosind un set de date cu case din zona metropolitană Seattle, WA.
4
Evaluarea și selecția modelelor
În capitolele anterioare, ai ajustat diverse modele pentru a explica sau prezice o variabilă de interes. Dar cum știm ce modele să alegem? Măsurile de evaluare a modelelor îți permit să determini cât de bine se „potrivește" un model explicativ cu datele sau cât de precisă este predicția unui model predictiv. Pe baza acestor măsuri, vei învăța criteriile care definesc un model „bun".
R
Modelare cu date în Tidyverse
Curs
finalizat
