ZERONOVA

Data, Open, Share, Platform, Cloud, Education

[MOOC추천] Statistics One (프린스턴대학) – R 활용

with one comment

미국 대학은 9월에 학기를 시작하다보니, Coursera에서도 최근 좋은 강의들이 다시 열리고 있습니다. 지난 번 소개드린 Computing for Data Analysis가 R 프로그래밍의 기초를 가르치는 수업이라면, 이번에 소개드리는 Statistics One은 R을 통계에 활용해 보는 것입니다. 통계학은 Data Scientist가 가져야 할 자질 중에 가장 중요한 한가지로 자주 언급되고, 특히 개발자 출신이 데이터 분석의 세계로 들어서려고 할 때 가장 부족한 부분 중 하나가 아닐까 합니다. 이를 극복할 수 있는 프린스턴 대학의 Statistics One 강의를 추천합니다.

Statistics One (9월22일 시작)

Statistics One (9월22일 시작)

이 수업은 작년에 처음 개설되었을 때 제가 들으려고 시도했으나 실패했고, 이번에 제대로 들어볼 생각입니다.

  • 개강일시: 9월22일
  • 강의기간: 12주
  • 주당 강의구성: 2개 강의, 1개 Lab, 1개 데이터 분석 과제
  • 주당 예상 소요시간: 4-8시간 (강의는 1시간 이하 짜리 2개, 랩은 30분 이하, 과제는 1-3시간 정도 예상)
  • 성적: 과제, 중간고사, 기말고사
  • 교수: Andrew Conway (Princeton University)

Syllabus를 보면 수업의 목표는 통계학 초보들에게 보다 고급 단계로 넘어가기 위한 기초를 가르치는 것이라고 합니다. 그리고 R을 매우 적극적으로 활용할 예정이라네요. 모든 예제와 과제는 R 프로그래밍으로 주어지고, 랩 강의에서 아마 R로 배운 내용을 어떻게 구현하는지 가르칠 것 같습니다. 수업이 만만해 보이진 않습니다. 하지만, 통계학을 꼭 한번 배워보겠다고 마음 먹은 분들에겐 좋은 기회가 될 것 같습니다. 또한 R을 배웠는데, 통계와 연계시킨 경험이 부족한 분들에게도 좋은 기회가 아닐까 싶네요.

수강할지 고민되는 분들은 우선 등록하고, Course Introduction 동영상을 한번 보시길 바랍니다. (맘에 안들면 등록취소하면 됩니다) 교수님의 말하는 스타일이나 가르치는 스타일이 매우 친절해 보입니다. 이 동영상에선 통계학이 뭐다, 어떤 연구방법이 있고, 어떤 용어들이 있는지 간단히 알려줍니다. 영어도 빠르지 않게 해서 스크립트랑 같이 보면 충분히 따라갈 수 있을 수준입니다. e-learning 시스템도 잘 갖춰져 있네요. 참, 올해가 The International Year of Statistics 이라네요. 그만큼 통계학이 뜨고 있고 중요해 지고 있나봅니다.

아래 Syllabus에 나와있는 강의 주제와 랩 주제를 알려드립니다.

Lecture Topics

  • Lecture 1: Experimental research
  • Lecture 2: Correlational research
  • Lecture 3: Variables, distributions, and scales
  • Lecture 4: Summary statistics
  • Lecture 5: Correlation
  • Lecture 6: Measurement
  • Lecture 7: Introduction to regression
  • Lecture 8: Null hypothesis significance testing
  • Lecture 9: The central limit theorem
  • Lecture 10: Confidence intervals
  • Lecture 11: Multiple regression
  • Lecture 12: The general linear model
  • Lecture 13: Moderation
  • Lecture 14: Mediation
  • Lecture 15: Student’s t-test
  • Lecture 16: Analysis of variance (ANOVA)
  • Lecture 17: Factorial ANOVA
  • Lecture 18: Repeated measures ANOVA
  • Lecture 19: Chi-square tests
  • Lecture 20: Binary logistic regression
  • Lecture 21: Assumptions revisited
  • Lecture 22: Non-parametric statistics
  • Lecture 23: Generalized linear model
  • Lecture 24: Course summary

Lab Topics

  • Lab 1: Introduction to R
  • Lab 2: Histograms and summary statistics
  • Lab 3: Scatterplots and correlations
  • Lab 4: Regression
  • Lab 5: Confidence intervals
  • Lab 6: Multiple regression
  • Lab 7: Moderation and mediation
  • Lab 8: Group comparisons (t-tests, ANOVA, post-hoc tests)
  • Lab 9: Factorial ANOVA
  • Lab 10: Chi-square
  • Lab 11: Non-parametric tests
  • Lab 12: Non-linear regression
Advertisements

Written by zeronova

2013/09/16 , 시간: 12:03 오후

Data Analytics, MOOC에 게시됨

One Response

Subscribe to comments with RSS.

  1. 너무나도 멋지고 알찬 강의입니다.

    larynx

    2013/11/23 at 10:54 오후


답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중

%d 블로거가 이것을 좋아합니다: