课程主页: https://www.coursera.org/learn/statistical-inference-for-estimation-in-data-science
课程概述
《数据科学中的估计的统计推断》是一门进入数据科学领域的重要课程。这门课程将统计推断、抽样分布和置信区间的概念引入学习者。在课程中，学生将学习如何定义和构造优秀的估计量，方法的时刻估计、最大似然估计以及构建置信区间的方法，这些知识将扩展到更一般的设置。
课程大纲
课程分为几个模块，每个模块都承担着重要的学习任务：
1. 起始模块
本模块提供课程的基本信息，为你的学习旅程奠定基础。
2. 点估计
这一模块将向你展示如何仅基于小样本的信息来估计大样本的参数。你将学习期望、方差和协方差的概念，并接触到一种直观的估计方法——时刻法。
3. 最大似然估计
我们将学习似然函数的概念及其最大似然估计(MLE)的构建。你会接触到一个和两个参数示例的情况。
4. 大样本性质
本模块探讨最大似然估计的和大样本性质，包括渐近无偏性和渐近正态性等。
5. 正态分布的置信区间
我们将学习如何为未见总体的均值构建置信区间，考虑已知和未知方差的情况。
6. 超越正态性：置信区间释放!
本模块将教你如何为不同的量构建置信区间，包括非正态分布的参数估计。
学习体验及推荐
课程内容丰富且深入，教授的知识对数据科学领域至关重要。我特别欣赏最大似然估计和置信区间的模块，因为这些是实用的数据分析技能。我强烈推荐这门课程给任何想在数据科学角色中提升自己的人。如果你正在考虑CU Boulder的数据科学硕士学位，这门课程也是必修部分。
课程主页: https://www.coursera.org/learn/statistical-inference-for-estimation-in-data-science