课程主页: https://www.coursera.org/learn/generalized-linear-models-and-nonparametric-regression
在数据科学领域，掌握高级统计建模工具是至关重要的。在此背景下，Coursera推出了《广义线性模型与非参数回归》课程，作为数据科学统计建模程序的最终课程。本课程深入探讨了一系列更复杂的统计建模工具，包括广义线性模型（GLMs）和非参数模型，如核估计器和光滑样条，以及半参数广义加性模型（GAMs）。
本课程的重点在于帮助学习者建立对这些工具的坚实概念理解，这对数据科学工作者来说是基础且关键的技能。
课程大纲
通过二项回归介绍广义线性模型
课程的第一部分介绍了GLMs，尤其是通过研究二项数据来激发学习者对其必要性的理解。这里，我们不仅会学习到二项回归模型的定义，常见的二项链接函数，还会了解到如何正确解读二项回归模型，并考虑评估模型拟合与预测能力的多种方法。
计数数据模型
在这一模块中，学习者将学习如何建立计数数据的模型。我们将详细介绍泊松回归，探讨其适用情境，并应用于真实数据分析。此外，本模块还会帮助大家识别泊松回归不适用的情况，以及为这些情况提供解决方案。
非参数回归简介
非参数回归模型的概念将在此模块中被引入，与之前所学的参数模型进行对比。我们将探讨特定的非参数回归模型，如核估计器和样条，进一步引入加性模型，将参数法与非参数法相结合。
广义加性模型简介
本模块中，学习者将学习广义加性模型（GAMs）。这种模型在灵活性和可解释性之间找到了良好的平衡，是应对现实世界复杂关系的有效工具。我们将更深入地动机GAMs，学习其基本数学模型，并在R语言中实践应用。
为什么推荐这门课程？
这门课程适合想要深入理解统计建模基础以及进阶概念的学习者，无论是数据科学专业的学生，还是需要使用数据分析工具的职场专业人士。在课程中获得的技能将极大提高你处理复杂数据集的能力，特别是在进行预测与分类时。
若你希望在数据科学领域站稳脚跟，掌握更高阶的统计分析技能，这门《广义线性模型与非参数回归》的课程将是你不可或缺的选择！
课程主页: https://www.coursera.org/learn/generalized-linear-models-and-nonparametric-regression