|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/estatistica-analises-de-regressoes-com-python/
课程评论：没有评论
Coursera 课程《Estatística: Análises de Regressões com PYTHON》是一门深入讲解统计回归分析的实用课程。 **课程亮点：** * **全面覆盖：** 课程详细介绍并实践了12种不同类型的回归模型，包括**简单线性回归、多元线性回归、多项式回归、逻辑回归、分位数回归、Ridge 回归、Lasso 回归、Elastic Net 回归、支持向量回归、泊松回归、负二项回归和准泊松回归**。 * **理论与实践结合：** 每种回归模型都配有清晰的理论解释和在 **Python** 语言中的实际操作演示。 * **应用导向：** 课程注重每种回归模型的**最佳应用场景**，并展示了进行**统计假设检验**以满足回归模型前提条件的必要步骤。 * **实战为王：** 讲解过程**循序渐进**，专注于**真实世界的应用**，并使用不同规模的海量数据集（从少量记录到超过200万条记录）进行练习。 * **零基础友好：** 课程包含**Python 语言基础**和**统计学基础**两部分内容，确保无论学习者背景如何，都能轻松入门。 * **跨平台兼容：** 课程主要在 Windows 系统的 Google Colaboratory 中演示，但 Linux 和 Mac 用户也可通过 Jupyter Notebook 轻松学习。 * **资源丰富：** 所有**脚本、幻灯片和数据集**均可在课程资源区下载。 **学习收获：** 通过本课程，学员将能够准确选择并应用不同类型的回归模型来解决实际数据分析问题，提升在职场和科研中的数据洞察力。课程承诺将彻底改变学员对回归分析的理解。
Este curso apresenta 12 tipos diferentes de regressões com explicações teóricas e apresentações práticas utilizando a Linguagem Python, indicando a aplicação ideal para cada uma das regressões e mostrando todos os testes estatísticos necessários para analisar os pressupostos exigidos por cada regressão. As explicações são passo a passo e focadas em aplicações práticas e reais. Vários tipos de datasets serão utilizados, desde datasets com pequena quantidade de registros à datasets com mais de 2 milhões de registros. As regressões que serão estudadas neste curso são, Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, Regressão Logística, Regressão Quantílica, Regressão Ridge, Regressão Lasso, Regressão Elastic Net, Regressão Vetorial de Suporte, Regressão de Poisson, Regressão Binomial Negativa e Regressão Quasi-Poisson.A análise de regressão, além de ser um estudo sensacional, está cada dia mais presente no mercado de trabalho e em pesquisas científicas. Diversas áreas que trabalham com análise de dados necessitam de análises de regressões, e escolher corretamente o tipo de regressão para cada aplicação é fundamental para se obter o sucesso.Para atender a todos os alunos, sem importar a área e o nível de conhecimento, as duas primeiras seções são referentes aos fundamentos da Linguagem Python e fundamentos de Estatística.O curso é apresentado no sistema operacional Windows utilizando o Google Colaboratory, mas usuários do Linux e Mac acompanham tranquilamente utilizando o Júpiter Notebook.Todos os scripts, slides e datasets estão disponíveis na área de recursos para serem baixados.Tenho certeza que a sua visão sobre regressões irá mudar após esse curso.
