Statistical Modeling gamit ang GLMs at Nonparametric Regression

Madalas na nabibigo ang tradisyonal na linear regression kapag ang data ay sumusunod sa mga non-normal na distribusyon o nagpapakita ng mga kumplikado, non-linear na pattern. Ang pag-unawa kung paano hawakan ang mga kumplikasyon sa totoong mundo na ito ay mahalaga para sa sinumang modernong data analyst o mananaliksik. Ginagabayan ka ng kursong ito sa paglipat mula sa mga pangunahing linear model patungo sa mga flexible na statistical framework na kayang humawak ng iba't ibang uri ng data. Matututunan mong i-model ang binary outcomes, count data, at non-linear trends gamit ang iba't ibang matatag na mathematical tools. Sa pagtatapos ng kursong ito, magagawa mong piliin at ipatupad ang tamang paraan ng pag-model para sa magkakaibang datasets, na tinitiyak na ang iyong pagsusuri ay tumpak at madaling maipaliwanag. Ano ang matututunan mo: - Unawain ang mga pundasyon ng Generalized Linear Models (GLMs) para sa mga non-normal na distribusyon ng data. - Mag-apply ng logistic regression upang malutas ang mga problema sa classification at bigyang-kahulugan ang mga resulta ng odds ratios. - Ipatupad ang mga nonparametric technique tulad ng kernel estimators at smoothing splines para sa flexible na data fitting. - Galugarin ang Generalized Additive Models (GAMs) upang balansehin ang flexibility ng modelo sa statistical interpretability. - Magsanay sa model evaluation at validation gamit ang mga modernong cross-validation techniques. - Suriin ang mga kumplikadong datasets gamit ang mga modernong dataframe libraries para sa mahusay na data manipulation. Nagsisimula ang kurso sa mga mahahalagang terminolohiya at ang mga konseptwal na pundasyon ng link functions bago lumipat sa praktikal na aplikasyon ng GLMs at nonparametric methods. Uunlad ka sa pamamagitan ng mga nakasulat na paliwanag at mga halimbawa na nakabatay sa code na idinisenyo upang bumuo ng isang matatag na teoretikal at praktikal na base. Ang kursong ito ay idinisenyo para sa mga nagsisimula na may pangunahing pag-unawa sa simple linear regression at nais na palawakin ang kanilang statistical toolkit. Simulan ang pagbuo ng mas flexible at tumpak na mga statistical model ngayon.