Statistical experiment design and analytics are at the heart of data science. In this course you will design statistical experiments and analyze the results using modern methods. You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data. Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems.
Data Science at Scale の専門講座ワシントン大学（University of Washington）このコースについて
13,138 最近の表示
受講生の就業成果
25%
コース終了後に新しいキャリアをスタートした
20%
コースが具体的なキャリアアップにつながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における4の2コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
約8時間で修了
英語
字幕：英語, 韓国語
習得するスキル
Random ForestPredictive AnalyticsMachine LearningR Programming
受講生の就業成果
25%
コース終了後に新しいキャリアをスタートした
20%
コースが具体的なキャリアアップにつながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における4の2コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
約8時間で修了
英語
字幕：英語, 韓国語
提供：
ワシントン大学（University of Washington）
Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.
シラバス - 本コースの学習内容
2時間で修了
Practical Statistical Inference
Learn the basics of statistical inference, comparing classical methods with resampling methods that allow you to use a simple program to make a rigorous statistical argument. Motivate your study with current topics at the foundations of science: publication bias and reproducibility.
2時間で修了
28件のビデオ （合計121分）
28件のビデオ
Hypothesis Testing5 分
Significance Tests and P-Values3 分
Example: Difference of Means4 分
Deriving the Sampling Distribution6 分
Shuffle Test for Significance4 分
Comparing Classical and Resampling Methods3 分
Bootstrap6 分
Resampling Caveats6 分
Outliers and Rank Transformation3 分
Example: Chi-Squared Test3 分
Bad Science Revisited: Publication Bias4 分
Effect Size4 分
Meta-analysis5 分
Fraud and Benford's Law4 分
Intuition for Benford's Law2 分
Benford's Law Explained Visually3 分
Multiple Hypothesis Testing: Bonferroni and Sidak Corrections3 分
Multiple Hypothesis Testing: False Discovery Rate4 分
Multiple Hypothesis Testing: Benjamini-Hochberg Procedure3 分
Big Data and Spurious Correlations4 分
Spurious Correlations: Stock Price Example3 分
How is Big Data Different?3 分
Bayesian vs. Frequentist4 分
Motivation for Bayesian Approaches3 分
Bayes' Theorem2 分
Applying Bayes' Theorem4 分
Naive Bayes: Spam Filtering4 分
2時間で修了
Supervised Learning
Follow a tour through the important methods, algorithms, and techniques in machine learning. You will learn how these methods build upon each other and can be combined into practical algorithms that perform well on a variety of tasks. Learn how to evaluate machine learning methods and the pitfalls to avoid.
2時間で修了
26件のビデオ （合計111分）, 1 reading, 1 quiz
26件のビデオ
Simple Examples3 分
Structure of a Machine Learning Problem5 分
Classification with Simple Rules5 分
Learning Rules4 分
Rules: Sequential Covering3 分
Rules Recap2 分
From Rules to Trees2 分
Entropy4 分
Measuring Entropy4 分
Using Information Gain to Build Trees6 分
Building Trees: ID3 Algorithm2 分
Building Trees: C.45 Algorithm4 分
Rules and Trees Recap3 分
Overfitting7 分
Evaluation: Leave One Out Cross Validation5 分
Evaluation: Accuracy and ROC Curves5 分
Bootstrap Revisited4 分
Ensembles, Bagging, Boosting4 分
Boosting Walkthrough5 分
Random Forests3 分
Random Forests: Variable Importance5 分
Summary: Trees and Forests2 分
Nearest Neighbor4 分
Nearest Neighbor: Similarity Functions4 分
Nearest Neighbor: Curse of Dimensionality3 分
1件の学習用教材
R Assignment: Classification of Ocean Microbes10 分
1の練習問題
R Assignment: Classification of Ocean Microbes28 分
1時間で修了
Optimization
You will learn how to optimize a cost function using gradient descent, including popular variants that use randomization and parallelization to improve performance. You will gain an intuition for popular methods used in practice and see how similar they are fundamentally.
1時間で修了
11件のビデオ （合計41分）
11件のビデオ
Gradient Descent Visually4 分
Gradient Descent in Detail2 分
Gradient Descent: Questions to Consider3 分
Intuition for Logistic Regression4 分
Intuition for Support Vector Machines3 分
Support Vector Machine Example3 分
Intuition for Regularization3 分
Intuition for LASSO and Ridge Regression3 分
Stochastic and Batched Gradient Descent5 分
Parallelizing Gradient Descent3 分
2時間で修了
Unsupervised Learning
A brief tour of selected unsupervised learning methods and an opportunity to apply techniques in practice on a real world problem.
2時間で修了
4件のビデオ （合計21分）
4件のビデオ
K-means5 分
DBSCAN4 分
DBSCAN Variable Density and Parallel Algorithms4 分
レビュー
PRACTICAL PREDICTIVE ANALYTICS: MODELS AND METHODS からの人気レビュー
NEにより2017年6月7日
I think the amount of course work to lectures was more appropriate than the first segment. I enjoyed the exercises and felt that they mixed the correct amount of theory and applicaiton.
SPにより2016年12月22日
Fantastic course! Excellent conceptual teaching for people who already know the subject but need some more clarity on how to approach statistical tests and machine learning.
WKにより2017年6月5日
Excellent Lectures. Since the course is several years old the organization of some of the assignments needs updating. That's the only reason I gave it 4 instead of 5 stars.
KPにより2016年2月7日
I enjoy this course. The delivery and the course topics were very interesting. I learnt a lot and peer reviewing other people assignments is a great learning opportunity .
Data Science at Scale専門講座について
Learn scalable data management, evaluate big data technologies, and design effective visualizations.
This Specialization covers intermediate topics in data science. You will gain hands-on experience with scalable SQL and NoSQL data management solutions, data mining algorithms, and practical statistical and machine learning concepts. You will also learn to visualize data and communicate results, and you’ll explore legal and ethical issues that arise in working with big data. In the final Capstone Project, developed in partnership with the digital internship platform Coursolve, you’ll apply your new skills to a real-world data science project.
よくある質問
いつ講座や課題にアクセスできるようになりますか？
講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合：
- コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
- コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
返金ポリシーについて教えてください。
サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します。
学資援助はありますか？
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
コースを修了することで大学の単位は付与されますか？
このコースでは大学の単位は付与されませんが、一部の大学ではコース修了証を単位として承認する場合があります。詳細については、大学にお問い合わせください。Coursera（コーセラ）のオンライン学位および Mastertrack™証明書は、大学の単位を取得する機会を提供します。
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
