After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
В этом курсе вы научитесь строить модели данных. Модели позволяют описать зависимость между интересующей переменной-откликом и набором объясняющих переменных или предикторов. Такие модели применяются как для объяснения, например: «Помогает ли возраст преподавателей объяснить их оценки студентов?», так и для прогнозирования, например: «Насколько точно можно предсказать цену дома по его площади и состоянию?» Вы будете использовать навыки работы с tidyverse для построения и интерпретации подобных моделей. В центре курса — линейная регрессия, один из наиболее распространённых и понятных подходов к моделированию. Этот метод широко используется в различных областях: статистике, каузальном выводе, машинном обучении и искусственном интеллекте.
Предварительные требования
Программа
Структура курса
1
Введение в моделирование
В этой главе вы познакомитесь с основными теоретическими понятиями и терминологией моделирования: общей концепцией построения моделей, различием между моделями для объяснения и для прогнозирования, а также с постановкой задачи моделирования. Кроме того, вы выполните свой первый разведочный анализ данных — важнейший шаг, предшествующий любому формальному моделированию.
- Основы моделирования для объяснения50 XP
- Исследовательская визуализация переменной age100 XP
- Числовые сводки по возрасту100 XP
- Основы моделирования для прогнозирования50 XP
- Разведочная визуализация площади домов100 XP
- Логарифмическое преобразование площади дома100 XP
- Задача моделирования для объяснения50 XP
- EDA зависимости оценок преподавания и «привлекательности»100 XP
- Корреляция между оценками преподавания и «привлекательности»100 XP
- Задача моделирования для прогнозирования50 XP
- Разведочный анализ данных: зависимость цены дома от наличия выхода к воде100 XP
- Прогнозирование цены дома с видом на воду100 XP
2
Моделирование с помощью простой регрессии
Освоив общую концепцию моделирования, в этой главе вы перейдёте к простой линейной регрессии. Здесь всё устроено просто: переменная-отклик y выражается как функция единственной объясняющей переменной или предиктора x. Вы будете работать как с числовыми, так и с категориальными переменными x. В качестве переменной-отклика в этой главе используются оценки преподавателей Техасского университета в Остине, выставленные студентами.
3
Моделирование с помощью множественной регрессии
В предыдущей главе вы изучили простую регрессию с одним числовым или категориальным предиктором. Но зачем ограничиваться одной переменной? Теперь вы перейдёте от простой регрессии к множественной, которая позволяет включать в модель сразу несколько объясняющих переменных или предикторов. В качестве практической задачи вы будете моделировать цены на жильё на основе набора данных о домах в столичном районе Сиэтла, штат Вашингтон.
4
Оценка и выбор модели
В предыдущих главах вы строили различные модели для объяснения или прогнозирования интересующей переменной-отклика. Но как выбрать наилучшую модель? Метрики оценки моделей помогают определить, насколько хорошо объясняющая модель «описывает» данные или насколько точны прогнозы предиктивной модели. Опираясь на эти метрики, вы узнаете, по каким критериям выбирают «лучшую» модель.
R
Моделирование данных в Tidyverse
Курс
завершён
