EMBER_CLI_FASTBOOT_BODY

Основы статистики. Часть 3

The course meets the formal recommendations of Stepik
Video Player is loading.
Current Time 0:00
/
Duration 0:00
Loaded: 0%
Progress: 0%
Stream Type LIVE
Remaining Time -0:00
 
1x
Play
To watch this video please visit https://stepik.org/lesson//step/

About the course

В данном курсе мы завершаем введение в наиболее распространенные методы анализа данных. Мы подробнее разберем методы регрессионного анализа, уделив особое внимание методам диагностики регрессионных моделей. Познакомимся с такими продвинутыми методами как смешанные регрессионные модели, узнаем что такое bootstrap и как его применять для проверки гипотез. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Данный курс будет полезен как для слушателей из академических, так и из прикладных областей.

Instructors

  1. User picture
    Anatoliy Karpov
    Saint Petersburg State University, Bioinformatics Institute, VK
    I graduated from St. Petersburg State University. As a cognitive psychologist I studied processes of human learning. My interest in the application of computational methods in psychology led me to the field of statistics, programming and machine learning. Now I am a data scientist in VK the biggest social network in Russia. I am also a lecturer on biostatistics and R programming in the Bioinformatics Institute.
  2. Выпускник факультета психологии СПбГУ, научный сотрудник СПбГУ. Специализируется на экспериментальном исследовании и вычислительном моделировании когнитивных процессов человека.
  3. User picture
    Polina Drozdova
    Graduated from St. Petersburg State University (PhD in genetics) and Bioinformatics Institute. Образование: СПбГУ (к.б.н., специальность генетика), Институт биоинформатики.

    Current affiliations: Institute of Biology at Irkutsk State University; St. Petersburg State Univeristy (PhD student). Programs in R and Python.

    Сотрудник НИИ Биологии «ИГУ», аспирант СПбГУ. Языки программирования: R, Python.

  4. User picture
    Arseny Moskvichev
    СПбГУ инженер-исследователь. Выпускник (магистр) биологического и психологического (бакалавр) факультета СПбГУ.
    Круг интересов: когнитивная психология, нейронаука, анализ данных, статистика, machile learning. Что связывает эти разрозненные, казалось бы, темы? Обучение. В области когнитивной психологии меня интересует, как учатся люди, в области computer science - какие алгоритмы существуют для обучения машин, в области нейронауки - какие механизмы в мозге позволяют нам учиться.

Reviews

Увы, третья часть курса не совсем доработана. Первые две темы - это расширенные знания по темам, которые рассматривались в предыдущих двух частях - и, на мой взгляд, их не стоило выделять в отдельный курс, а стоило осветить их в предыдущих частях, возможно, более кратко. Третья часть сложна для восприятия, задания требуют более четких формулировок, и саму теорию стоило бы изложить более детально. Кроме того, некоторые статистические методы (например, Bayesian networks) не рассмотрены ни в одной из частей - а про это тоже хотелось бы услышать. Тем не менее, все указанные замечания носят скорее организационный характер, по существу, в принципе, все было очень даже неплохо.
Dmitriy Novikov March 9, 2019 link
4
1 модуль ок 2 модуь требует доработок 3 модуль огонь
Отличный курс, как и все предыдущие!
Play
To watch this video please visit https://stepik.org/lesson//step/
4.6 All reviews

В данном курсе мы продолжаем наш разговор об анализе данных. В курсе более подробно рассматриваются темы в области регрессионного анализа, разбираются такие важные вопросы как повторные измерения в статистике и смешанные регрессионные модели.

Workload:
3 - 4 часа в неделю
Expected time to complete:
12 hours
Language:
Русский
Certificate:
Институт биоинформатики
Certificate details
Certificate condition: 60 points
With distinction: 85 points

About the course

В данном курсе мы завершаем введение в наиболее распространенные методы анализа данных. Мы подробнее разберем методы регрессионного анализа, уделив особое внимание методам диагностики регрессионных моделей. Познакомимся с такими продвинутыми методами как смешанные регрессионные модели, узнаем что такое bootstrap и как его применять для проверки гипотез. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Данный курс будет полезен как для слушателей из академических, так и из прикладных областей.

Requirements

Для успешного прохождения курса потребуются знания статистики на уровне курса Основы статистики и Основы статистики. Часть два. Мы также настоятельно рекомендуем познакомиться с основами работы в R перед началом прохождения данного курса. В этом вам могут помочь курсы: Анализ данных в R, Анализ данных в R. Часть два и Основы программирования в R.

Target audience

Студенты и научные работники всех специальностей, школьники старших классов.

This course is entirely free. All content is available now.