資料科學高階統計專業課程

熟悉資料科學的機率和統計、資料分析和線性模型的基本概念。

關於此專業課程

機率、統計和線性模型的基本概念是資料科學工作的主要基礎。

本專業從數理統計入門課程開始，特別是生物統計學應用傳統的概念和方法。

本專業主要研究資料科學的線性模型，從線性代數和數學角度理解最小二乘法開始，到統計線性模型，包括使用 R 的多元迴歸。

本專業需要基於數學基礎。

到官方網站了解本課程與上課

應用的學習專案

資料科學高階統計學專業課程包含一系列嚴格的分級測驗，以測試學生的機率、分佈、存在概念、假設檢定和病例對照樣等關鍵概念的理解。

你將學到的內容有

學習頻率、預期、條件頻率、分佈、信賴區間、引導、二項式比例等知識。
了解線性迴歸模型的矩陣代數。
了解線性模型的典型範例，並將其與您可能已經使用過的技術細節進行比較。

你將獲得的技能：

機率與統計	綜合統計	數學
線性代數	迴歸	機率分佈
貝葉斯統計	數學理論與分析

字幕

簡中、英文（22 種語言可選)

製作方

Johns Hopkins University 約翰霍普金斯大學

約翰霍普金斯大學的使命是教育學生，培養他們終身學習的能力，促進原創性研究，並將發現的益處帶給全世界。

第 1 門課程數學生物統計訓練營1

你將學到的內容有

本課程介紹初級資料分析中使用的基本機率和統計概念。該課程為具有大三或大四數學水平（包括微積分知識）的學生提供入門級教學。少量的線性代數和程式設計知識對本課有幫助，但不是必修課。

你將獲得的技能：

統計	信賴區間	統計假設檢定
生物統計學

第 2 門課程數學生物統計訓練營 2

你將學到的內容有

學習資料分析和統計推論的基本概念，重點在於一個和兩個獨立樣本。

你將獲得的技能：

統計

統計假設檢定

生物統計學

第 3 門課程資料科學高階線性模型 1：最小平方法

你將學到的內容有

歡迎來到資料科學高階線性模型課程 1：最小平方法。本課程從線性代數和數學的角度介紹最小平方法。在開始本課程之前，請確保您已具備以下條件： – 對線性代數和多元微積分有基本的了解 – 對統計學和迴歸模型有基本的了解 – 至少對基於證明的數學有一點了解 – 對 R 程式語言有基本的了解。學完本課程後，學生將在迴歸模型的線性代數處理方面打下堅實的基礎。這將大大增強應用資料科學家對迴歸模型的一般理解。

你將獲得的技能：

統計	線性迴歸	R 語言程式設計（中文版）
線性代數

第 4 門課程資料科學高階線性模型 2：統計線性模型

你將學到的內容有

歡迎來到資料科學高階線性模型課程 2：統計線性模型。本課以線性代數和數學的角度介紹最小平方法。在開始本課程之前，請確保您已具備以下條件： – 對線性代數和多元微積分有基本了解 – 對統計學和迴歸模型有基本了解 – 至少對基於證明的數學有一點了解 – R 程式語言的基本知識。學完本課程後，學生將在迴歸模型的線性代數處理方面打下堅實的基礎。這將大大增強應用資料科學家對迴歸模型的一般理解。