Módulos e Conteúdo

Módulo 1: Análise de regressão moderna em R
Este curso fornecerá um conjunto de ferramentas básicas de modelagem estatística para ciência de dados. Em particular, os alunos serão apresentados aos métodos, teoria e aplicações de modelos estatísticos lineares, abrangendo os tópicos de estimativa de parâmetros, diagnóstico residual, qualidade do ajuste e várias estratégias para seleção de variáveis ​​e comparação de modelos. Também será dada atenção ao uso indevido de modelos estatísticos e às implicações éticas de tal uso indevido. Este curso pode ser feito para crédito acadêmico como parte do grau de Mestrado em Ciência de Dados (MS-DS) da CU Boulder oferecido na plataforma Coursera. O MS-DS é um curso interdisciplinar que reúne professores dos departamentos de Matemática Aplicada, Ciência da Computação, Ciência da Informação e outros da CU Boulder. Com admissões baseadas em desempenho e sem processo de inscrição, o MS-DS é ideal para indivíduos com uma ampla gama de educação de graduação e/ou experiência profissional em ciência da computação, ciência da informação, matemática e estatística. Saiba mais sobre o programa MS-DS em https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adaptado de foto de Vincent Ledvina no Unsplash

Módulo 2: ANOVA e Desenho Experimental
Este segundo curso de modelagem estatística apresentará aos alunos o estudo da análise de variância (ANOVA), análise de covariância (ANCOVA) e planejamento experimental. ANOVA e ANCOVA, apresentados como um tipo de modelo de regressão linear, fornecerão a base matemática para projetar experimentos para aplicativos de ciência de dados. A ênfase será colocada em importantes conceitos relacionados ao design, como randomização, bloqueio, design fatorial e causalidade. Alguma atenção também será dada às questões éticas levantadas na experimentação. Este curso pode ser feito para crédito acadêmico como parte do grau de Mestrado em Ciência de Dados (MS-DS) da CU Boulder oferecido na plataforma Coursera. O MS-DS é um curso interdisciplinar que reúne professores dos departamentos de Matemática Aplicada, Ciência da Computação, Ciência da Informação e outros da CU Boulder. Com admissões baseadas em desempenho e sem processo de inscrição, o MS-DS é ideal para indivíduos com uma ampla gama de educação de graduação e/ou experiência profissional em ciência da computação, ciência da informação, matemática e estatística. Saiba mais sobre o programa MS-DS em https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adaptado de foto de Vincent Ledvina no Unsplash

Módulo 3: Modelos lineares generalizados e regressão não paramétrica
No curso final do programa de modelagem estatística para ciência de dados, os alunos estudarão um amplo conjunto de ferramentas de modelagem estatística mais avançadas. Essas ferramentas incluirão modelos lineares generalizados (GLMs), que fornecerão uma introdução à classificação (por meio de regressão logística); modelagem não paramétrica, incluindo estimadores de kernel, suavização de splines; e modelos aditivos generalizados semiparamétricos (GAMs). A ênfase será colocada em uma sólida compreensão conceitual dessas ferramentas. Também será dada atenção às questões éticas levantadas pelo uso de modelos estatísticos complicados. Este curso pode ser feito para crédito acadêmico como parte do grau de Mestrado em Ciência de Dados (MS-DS) da CU Boulder oferecido na plataforma Coursera. O MS-DS é um curso interdisciplinar que reúne professores dos departamentos de Matemática Aplicada, Ciência da Computação, Ciência da Informação e outros da CU Boulder. Com admissões baseadas em desempenho e sem processo de inscrição, o MS-DS é ideal para indivíduos com uma ampla gama de educação de graduação e/ou experiência profissional em ciência da computação, ciência da informação, matemática e estatística. Saiba mais sobre o programa MS-DS em https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adaptado de foto de Vincent Ledvina no Unsplash