Johns Hopkins University

Spezialisierung „Datenwissenschaft: Statistik und maschinelles Lernen“

Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.

Johns Hopkins University

Spezialisierung „Datenwissenschaft: Statistik und maschinelles Lernen“

Roger D. Peng, PhD
Brian Caffo, PhD
Jeff Leek, PhD

Dozenten: Roger D. Peng, PhD

41.434 bereits angemeldet

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema

aus 7,204 Bewertungen von Kursen in diesem Programm

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
3 months to complete
unter 10 Stunden pro Woche
Befassen Sie sich eingehend mit einem Thema

aus 7,204 Bewertungen von Kursen in diesem Programm

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
3 months to complete
unter 10 Stunden pro Woche

Was Sie lernen werden

  • Führen Sie Regressionsanalysen, kleinste Quadrate und Inferenzen mit Regressionsmodellen durch.

  • Erstellen und Anwenden von Vorhersagefunktionen

  • Entwickeln Sie öffentliche Datenprodukte

Kompetenzen, die Sie erwerben

  • Kategorie: Maschinelles Lernen
  • Kategorie: Modell Ausbildung
  • Kategorie: Regressionsanalyse
  • Kategorie: Prädiktive Modellierung
  • Kategorie: Statistische Inferenz
  • Kategorie: Bewertung des Modells
  • Kategorie: Wahrscheinlichkeitsrechnung und Statistik
  • Kategorie: Explorative Datenanalyse
  • Kategorie: Statistische Hypothesenprüfung
  • Kategorie: Statistische Modellierung
  • Kategorie: Algorithmen für maschinelles Lernen
  • Kategorie: Interaktive Datenvisualisierung
  • Kategorie: Statistische Analyse
  • Kategorie: Datenvisualisierung

Werkzeuge, die Sie lernen werden

  • Kategorie: Glänzend (R-Paket)
  • Kategorie: Plotly
  • Kategorie: R Programmierung
  • Kategorie: Rmarkdown
  • Kategorie: Merkblatt (Software)
  • Kategorie: GitHub

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von Johns Hopkins University.

Spezialisierung - 5 Kursreihen

Statistische Inferenz

Statistische Inferenz

KURS 1, 55 Stunden

Was Sie lernen werden

  • Verstehen, wie man aus Daten Schlüsse über Populationen oder wissenschaftliche Wahrheiten ziehen kann

  • Beschreiben Sie Variabilität, Verteilungen, Grenzwerte und Konfidenzintervalle

  • Verwenden Sie p-Werte, Konfidenzintervalle und Permutationstests

  • Treffen Sie fundierte Entscheidungen bei der Datenanalyse

Kompetenzen, die Sie erwerben

Kategorie: Statistische Inferenz
Kategorie: Statistische Hypothesenprüfung
Kategorie: Wahrscheinlichkeit
Kategorie: Wahrscheinlichkeitsverteilung
Kategorie: Statistische Methoden
Kategorie: Bestimmung des Stichprobenumfangs
Kategorie: Datenanalyse
Kategorie: Bayessche Statistik
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Statistik
Kategorie: Statistische Modellierung
Kategorie: Statistische Analyse
Kategorie: Stichproben (Statistik)
Regressionsmodelle

Regressionsmodelle

KURS 2, 54 Stunden

Was Sie lernen werden

  • Verwenden Sie Regressionsanalyse, kleinste Quadrate und Inferenz

  • Verstehen Sie die ANOVA und ANCOVA Modellfälle

  • Untersuchen Sie die Analyse von Residuen und Variabilität

  • Beschreiben Sie neuartige Anwendungen von Regressionsmodellen wie die Streudiagramm-Glättung

Kompetenzen, die Sie erwerben

Kategorie: Regressionsanalyse
Kategorie: Statistische Modellierung
Kategorie: Logistische Regression
Kategorie: Statistische Inferenz
Kategorie: Statistische Hypothesenprüfung
Kategorie: Bewertung des Modells
Kategorie: Datenwissenschaft
Kategorie: Wahrscheinlichkeitsrechnung und Statistik
Kategorie: Statistische Analyse
Kategorie: Statistische Methoden
Kategorie: Datenanalyse
Praktisches maschinelles Lernen

Praktisches maschinelles Lernen

KURS 3, 8 Stunden

Was Sie lernen werden

  • Verwenden Sie die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen

  • Verstehen Sie Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten

  • Beschreiben Sie Methoden des maschinellen Lernens wie Regression oder Klassifikationsbäume

  • Erklären Sie den gesamten Prozess der Erstellung von Vorhersagefunktionen

Kompetenzen, die Sie erwerben

Kategorie: Prädiktive Modellierung
Kategorie: Random Forest Algorithmus
Kategorie: R Programmierung
Kategorie: Regressionsanalyse
Kategorie: Bewertung des Modells
Kategorie: Klassifizierungs- und Regressionsbaum (CART)
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Vorverarbeitung von Daten
Kategorie: Technische Merkmale
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Prädiktive Analytik
Kategorie: Klassifizierungsalgorithmen
Kategorie: Überwachtes Lernen
Kategorie: Maschinelles Lernen
Kategorie: Software für maschinelles Lernen
Kategorie: Methoden des maschinellen Lernens
Kategorie: Modell Ausbildung
Entwicklung von Datenprodukten

Entwicklung von Datenprodukten

KURS 4, 10 Stunden

Was Sie lernen werden

  • Entwickeln Sie grundlegende Anwendungen und interaktive Grafiken mit GoogleVis

  • Verwenden Sie Leaflet, um interaktive, kommentierte Karten zu erstellen

  • Erstellen Sie eine R Markdown-Präsentation, die eine Datenvisualisierung enthält

  • Erstellen Sie ein Datenprodukt, das einem breiten Publikum eine Geschichte erzählt

Kompetenzen, die Sie erwerben

Kategorie: R Programmierung
Kategorie: Merkblatt (Software)
Kategorie: Software-Dokumentation
Kategorie: Rmarkdown
Kategorie: Interaktive Datenvisualisierung
Kategorie: Glänzend (R-Paket)
Kategorie: Web-Anwendungen
Kategorie: Präsentation der Daten
Kategorie: Statistische Berichterstattung
Kategorie: Plotly
Kategorie: Hypertext Markup Language (HTML)
Kategorie: Datenvisualisierung
Kategorie: Software zur Datenvisualisierung
Kategorie: Plot (Grafiken)
Kategorie: R (Software)
Kategorie: Paket- und Softwareverwaltung
Datenwissenschaft Capstone

Datenwissenschaft Capstone

KURS 5, 6 Stunden

Was Sie lernen werden

  • Erstellen Sie ein nützliches Datenprodukt für die Öffentlichkeit

  • Wenden Sie Ihre Fähigkeiten zur explorativen Datenanalyse an

  • Erstellen Sie ein effizientes und genaues Prognosemodell

  • Erstellen Sie ein Präsentationsdeck, um Ihre Ergebnisse zu präsentieren

Kompetenzen, die Sie erwerben

Kategorie: Prädiktive Modellierung
Kategorie: Verarbeitung natürlicher Sprache
Kategorie: Bewertung des Modells
Kategorie: Modell-Optimierung
Kategorie: Datenverarbeitung
Kategorie: Datenwissenschaft
Kategorie: R Programmierung
Kategorie: Datenerhebung
Kategorie: Explorative Datenanalyse
Kategorie: Modell Ausbildung
Kategorie: Präsentation der Daten
Kategorie: Bereinigung von Daten
Kategorie: Maschinelles Lernen
Kategorie: Analytische Fähigkeiten
Kategorie: Datenanalyse
Kategorie: Datenmodellierung

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Roger D. Peng, PhD
Johns Hopkins University
37 Kurse1.690.708 Lernende
Brian Caffo, PhD
Johns Hopkins University
30 Kurse1.719.621 Lernende

von

Partner in der Branche

Partner 1

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen