Ajuste de modelos estadísticos a datos con Python - Curso Virtual - Coursera Verified listing

En este curso, ampliaremos nuestra exploración de las técnicas de inferencia estadística centrándonos en la ciencia y el arte de ajustar modelos estadísticos a los datos. Nos basaremos en los conceptos presentados en el curso Inferencia estadística (Curso 2) para enfatizar la importancia de conectar las preguntas de investigación con nuestros métodos de análisis de datos. También nos centraremos en varios objetivos de modelado, incluida la inferencia sobre las relaciones entre variables y la generación de predicciones para futuras observaciones. Este curso introducirá y explorará varias técnicas de modelado estadístico, que incluyen regresión lineal, regresión logística, modelos lineales generalizados, modelos jerárquicos y de efectos mixtos (o multinivel) y técnicas de inferencia bayesiana. Todas las técnicas se ilustrarán utilizando una variedad de conjuntos de datos reales, y el curso enfatizará diferentes enfoques de modelado para diferentes tipos de conjuntos de datos, según el diseño del estudio subyacente a los datos (refiriéndose al Curso 1, Comprensión y visualización de datos con Python). Durante estas sesiones basadas en laboratorio, los alumnos trabajarán a través de tutoriales que se centran en estudios de casos específicos para ayudar a solidificar los conceptos estadísticos de la semana, que incluirán más inmersiones profundas en las bibliotecas de Python, incluidas Statsmodels, Pandas y Seaborn. Este curso utiliza el entorno de Jupyter Notebook dentro de Coursera. los alumnos trabajarán a través de tutoriales centrados en estudios de casos específicos para ayudar a solidificar los conceptos estadísticos de la semana, que incluirán más inmersiones profundas en las bibliotecas de Python, incluidos Statsmodels, Pandas y Seaborn. Este curso utiliza el entorno de Jupyter Notebook dentro de Coursera. los alumnos trabajarán a través de tutoriales centrados en estudios de casos específicos para ayudar a solidificar los conceptos estadísticos de la semana, que incluirán más inmersiones profundas en las bibliotecas de Python, incluidos Statsmodels, Pandas y Seaborn. Este curso utiliza el entorno de Jupyter Notebook dentro de Coursera.