该模块旨在向学生介绍数据分析的基本工具,提供进入数据科学领域的入门。学生将学习统计工具,以识别复杂数据集中的模式、规律性和法则,以及分析、表征、验证、参数化和建模复杂数据的工具。具体案例研究将涵盖商业数据分析和统计数据的实际问题。
主要目标是为学生提供进行数据分析所需的基本技能。完成该模块后,学生应能够:
分析复杂数据集的主要统计特征。
理解如何分析和表征经验复杂的数据。
计算相关的统计量,并量化其置信区间。
构建合理的模型,并对其进行参数化和验证。
了解如何量化不同变量之间的相互依赖性/因果关系结构。
使用数据分析结果开发预测工具。
成功完成该模块后,学生将能够:
分析复杂数据集的主要统计特征。
理解如何分析和表征经验复杂的数据。
计算相关的统计量,并量化其置信区间。
构建合理的模型,并对其进行参数化和验证。
了解如何量化不同变量之间的相互依赖性/因果关系结构。
使用数据分析结果开发预测工具。
该模块通常涵盖以下主题:
1. 复杂数据的实证研究:
对复杂和大型数据以及最常用的软件包进行分析的基本实际熟悉。真实数据带来的典型挑战。数据采集、操纵、清洗、过滤、表示和绘图的基础。
2. 单变量和多元统计:
边缘概率、联合概率和条件概率。概率分布的经验估计。依赖度量。因果关系、格兰杰因果关系。
3. 信息理论措施:
互信息、传递熵。虚假相关性和正则化。预测和回归。假设检验和验证。
4. 通过网络进行建模和过滤:
复杂网络上的基础:定义和属性。从相关矩阵和因果关系措施中建立相互作用网络。信息通过网络过滤。
5. 概率建模:
从数据构建预测概率模型。测试和验证模型性能。在替代模型之间进行选择。
要有资格选择该模块作为选修课,学生必须:
在一个正式可用的课程和学习年度中注册。
具备良好的数学和统计基础。
如需了解有关UCL-数据科学课程辅导以及其他英国课程辅导的详细信息,请随时咨询DR.D留学生辅导机构。