Statistical Inference签名认证

统计推断

关注 (893) 学过 (25) 写点评 (24) 晒证书

6.5 (24人)

  • 知识量:7.8
  • 教师参与:5.8
  • 趣味性:5.8
  • 课程设计:6.0

难度:一般

开始时间:2017-04-24

持续时间:4.0周

去上课 申请课程签名认证>

你可能感兴趣换一换

学习如何从数据中得出总体(populations)或科学事实的结论。这是约翰霍普金斯大学数据科学专项系列课程的第六门课。


课程简介
统计推断是从数据中获得总体(populations)或科学事实结论的过程。有多种模式可以进行推断,包括统计建模、面向数据策略和在分析中直接使用设计和随机化。此外,还有广泛的理论(频率论、贝叶斯、似然、基于设计(design based)等)和大量复杂的东西(数据丢失、观察和未观察到的干扰、偏置等)来进行推断。进行统计推断的人很容易迷失在技术、理念和细微差异之中。本课主要介绍实际应用中的统计推断的基础知识。上完这门课,学生将能理解统计推断的多个主要方向,并利用它来在数据分析中作出明智的选择。


课程大纲
通过本课学生将会学到统计推断的基础知识。学生将对进行统计推断的目标、假设和模式有大致的了解。学生将能在高针对性设定中进行统计推断,并能利用学到的技能来完成更复杂的统计推断任务。


先修要求
R编程、数学能力。作为数据科学系列的一部分,本课与系列中其他课程的依赖关系可以参考这里:
https://d396qusza40orc.cloudfront.net/rprog/doc/JHDSS_CourseDependencies.pdf


课程形式
每周都有课程视频和小测验,课程最后需要完成一个同学互评的项目。


常见问题解答
完成课程后,我能获得修课证书吗?
能,顺利完成本课程的学生将获得由授课老师签发的修课证书。

我需要什么资源来学习本课?
学生需要安装最新版本的R和RStudio。

本课在数据科学专项系列的什么位置?
这是系列课程中的第六门课。尽管没有要求,我们建议你先学习数据师的工具箱和R编程。系列课程的依赖关系可以参考以下列表:
https://d396qusza40orc.cloudfront.net/rprog/doc/JHDSS_CourseDependencies.pdf


翻译:@肥叉烧
编辑:@玛雅蓝

课程点评 写点评

综合评分:6.5难度:一般

  • 知识量:7.8
  • 教师参与:5.8
  • 趣味性:5.8
  • 课程设计:6.0
  • 作业难 2
  • 偏理论 2
  • 照本宣科 1
  • 老师牛 1
  • 资料丰富 1
  • 用心 1

精彩点评

  • PuNaDSmile
    PuNaDSmile 在上课

    以蜗牛一般的速度上这套Data Science专项课程,但是时间长了,真的发现这个课程没有那么差,甚至还有很多非常牛逼的地方。比如github上超详细的一套资料,swirl简直是step by step学习神器(一题不做对他不让你继续啊!),作业难吧,但是你真的研究透了收获还是很大的,比有些课程作业只有几道选择题,你哪怕瞎猜也能拿个证书要强。 【几点建议】 1.如果你有一些统计学的基础,建议直接做题,遇到不懂去翻课件,现在还有一个homework算是额外的练习,有些quiz会提醒你去做homework几,题型是一样的,举一反三就能有思路。 2.如果你有点忘了你的统计学,建议直接用swirl,从0教一遍,中间遇到问题就去翻课件,然后再做题。 3.如果你完全不懂统计学,建议你先去上duke university的data analysis and statistical inference,那个老师教的得别基础和易懂,但是还是建议你回来重温一遍这门课,因为这里的数据和例子吧,有更专业的感觉,适合数据洁癖者…… 4.总之就没什么必要去看视频了……大家的吐槽也是集中在这点上,但是这是有误导的,因为所有人都习惯性先看视频,再做作业……事实上,完全可以反过来,在实践中学得更扎实。这也是MOOC给你的自由,自己根据自己的能力安排时间、学习顺序。

    晒证书 Statistical Inference Statistical Inference

最新点评

  • 芦苇丛
    芦苇丛 已完成

    这门课的基本内容和概率统计课程差不多,但是涵盖的内容要稍微广一些,比如会讲一点Bootstrap。这门课不大重视证明而比较强调实际应用和计算,作业题还是有一点难度的。老师讲课稍微有点无聊,就跟念课件差不多。

    晒证书 Statistical Inference Statistical Inference
  • PuNaDSmile
    PuNaDSmile 在上课

    以蜗牛一般的速度上这套Data Science专项课程,但是时间长了,真的发现这个课程没有那么差,甚至还有很多非常牛逼的地方。比如github上超详细的一套资料,swirl简直是step by step学习神器(一题不做对他不让你继续啊!),作业难吧,但是你真的研究透了收获还是很大的,比有些课程作业只有几道选择题,你哪怕瞎猜也能拿个证书要强。 【几点建议】 1.如果你有一些统计学的基础,建议直接做题,遇到不懂去翻课件,现在还有一个homework算是额外的练习,有些quiz会提醒你去做homework几,题型是一样的,举一反三就能有思路。 2.如果你有点忘了你的统计学,建议直接用swirl,从0教一遍,中间遇到问题就去翻课件,然后再做题。 3.如果你完全不懂统计学,建议你先去上duke university的data analysis and statistical inference,那个老师教的得别基础和易懂,但是还是建议你回来重温一遍这门课,因为这里的数据和例子吧,有更专业的感觉,适合数据洁癖者…… 4.总之就没什么必要去看视频了……大家的吐槽也是集中在这点上,但是这是有误导的,因为所有人都习惯性先看视频,再做作业……事实上,完全可以反过来,在实践中学得更扎实。这也是MOOC给你的自由,自己根据自己的能力安排时间、学习顺序。

    晒证书 Statistical Inference Statistical Inference
  • henrysing
    henrysing 已完成

    能够学到基本的Hypothesis Test,置信区间,p-value等概念和方法。拿到了证书,但是肯定有半懂不懂的地方。

    晒证书 Statistical Inference Statistical Inference
    2015-04-07 09:41 0
  • 龙图腾1990
    龙图腾1990 已完成

    1. 课程内容偏向理论基础,对数学统计背景要求较高,某些同学可能会觉得无聊; 2. Homework部分的设计非常赞,习题难度合适讲解到位,可以为Quizzes做铺垫; 3. 虽然还有照本宣科之嫌,但是对T-test和P-value的认识通过学习确实可以深化很多。

    晒证书 Statistical Inference Statistical Inference
    2015-03-11 08:45 1
  • WienW
    WienW 已完成

    挺不错的一门课。 可能统计的知识量再加作业project,安排在一个月内有点紧张。 我主要是从另一门并行课(Foundations of Data Analysis)中来学统计推断的,所以Project感觉还行。 力荐Foundations of Data Analysis(搜索栏可搜到),那是一门动手实践课,老师超级负责,还有在线答疑的,虽然刚结课可以先关注嘛。

    晒证书 Statistical Inference Statistical Inference
    2015-02-16 04:24 0
  • Bobo_Yang
    Bobo_Yang 已完成

    我真觉得这个老师是这个系列三个老师中最没劲的一个。昏昏欲睡的讲话调调,如果你本身有基础还行,若是头次接触统计推断基本上别想听懂。杜克那门课要可爱的多。

    晒证书 Statistical Inference Statistical Inference
    2015-02-13 16:30 0
  • Maojie
    Maojie 已完成

    说实话还是有点难的,,,讲的不是太好感觉,,,为了专项,,,

    晒证书 Statistical Inference Statistical Inference
    2015-01-10 21:25 0
  • wishingbone
    wishingbone 已完成

    The course is pretty mathematical (or maybe "statistical") not super interesting but equips you with the basics.

    晒证书 Statistical Inference Statistical Inference
    2015-01-10 00:22 0

课程笔记

写笔记
查看全部笔记 >

最新讨论 发新帖

沙发居然还空着?!速抢!

所属专题

相关课程

京ICP证100430号    京网文[2015] 0609-239号    新出发京零字东150005号     京公网安备11010502007133号 ©2017果壳网

关于我们 新手指南