النماذج الخطية المعممة - الدورة 3600 فرك. من التعليم المفتوح، التدريب 3 أسابيع، حوالي 6 ساعات أسبوعيًا، التاريخ 29 نوفمبر 2023.
Miscellanea / / December 01, 2023
أحد شروط قابلية تطبيق النماذج الخطية التقليدية هو استقلالية الملاحظات عن بعضها البعض، وعلى أساسها يتم اختيار النموذج. ومع ذلك، من الناحية العملية، غالبًا ما تكون هناك مواقف يكون فيها تصميم مجموعة المواد بحيث يكون انتهاك هذا الشرط أمرًا لا مفر منه. تخيل أنك قررت بناء نموذج يصف العلاقة بين أداء التربية البدنية ودرجات اختبار الذكاء بين الطلاب. لحل هذه المشكلة، قمت بإجراء العديد من العينات في العديد من المؤسسات. هل من الممكن دمج هذه البيانات في تحليل واحد مبني وفق المخطط التقليدي؟ بالطبع لا. قد يكون الطلاب في كل جامعة متشابهين مع بعضهم البعض في بعض النواحي. وحتى طبيعة العلاقة بين الكميات التي تتم دراستها قد تكون مختلفة بعض الشيء. وينبغي تحليل هذا النوع من البيانات، الذي توجد فيه ارتباطات داخل المجموعة، باستخدام نماذج خطية مختلطة. وسوف نبين أنه ينبغي إدراج بعض المتنبئات في النموذج على أنها ما يسمى "العوامل العشوائية". سوف تتعلم أن العوامل العشوائية يمكن أن تكون تابعة بشكل هرمي. سنناقش كيف يمكن بناء هذه النماذج المختلطة للمتغيرات التابعة التي تتبع أنواعًا مختلفة من التوزيعات. بالإضافة إلى ذلك، سوف نبين أن الجزء العشوائي من النموذج يمكن أن يكون أكثر تعقيدًا - حيث يمكن أن يحتوي على مكون يمثل سلوك التباين استجابةً لتأثير المتغير المشترك. في نهاية الدورة، ستجد مشروعًا يمكنك من خلاله التدرب على بناء نماذج مختلطة عن طريق اختيار واحدة من مجموعات البيانات المتعددة. واستنادا إلى تحليل هذه البيانات، يمكنك إنشاء تقرير وفقا لتقليد البحث القابل للتكرار.
أستاذ مشارك بقسم علم حيوان اللافقاريات، كلية الأحياء، جامعة سانت بطرسبرغ الحكومية، دكتوراه.
الاهتمامات العلمية: هيكل وديناميكيات مجتمعات القاعيات البحرية، والمقاييس المكانية، والخلافة، والتداخل بين الأنواع والأنواع التفاعلات الحيوية، نمو وتكاثر اللافقاريات البحرية، التركيبة الديموغرافية للسكان، التطور الجزئي، الإحصاء الحيوي.
تتكون الدورة من 4 وحدات:
1) مقدمة للنماذج الخطية المعممة
تسمح لك النماذج الخطية المعممة (GLMs) بنمذجة سلوك الكميات التي لا تتبع التوزيع الطبيعي. لتسهيل خطواتك الأولى في عالم GLM، سنقوم بتحليل بنيتها باستخدام مثال GLM للكميات الموزعة بشكل طبيعي - وبهذه الطريقة يمكنك رسم أوجه التشابه مع نماذج خطية بسيطة. سوف تتعلم ما هي وظيفة الارتباط، وكيف تعمل الاحتمالية القصوى، وكيفية اختبار فرضيات GLM باستخدام اختبارات والد واختبارات نسبة الاحتمالية.
2) مشكلة اختيار النموذج
سنتحدث في هذه الوحدة عن القضايا المنهجية المرتبطة ببناء النماذج. النموذج هو تمثيل مبسط للواقع، والاختيار بين الطرق المتنافسة المختلفة لمثل هذا التبسيط هو مهمة متكررة للمحلل. في هذه الوحدة، سوف تتعلم مقارنة النماذج باستخدام معايير المعلومات. سنناقش الخيارات الرئيسية للتحليل عند اختيار النماذج ونتحدث عن الصعوبات الناشئة فيما يتعلق بالتعدد الخفي للنماذج. أخيرًا، سنعلمك كيفية التعرف على الأنواع الرئيسية لإساءات اختيار النماذج (صيد البيانات، والقرصنة).
3) النماذج الخطية المعممة لحساب البيانات
سنناقش في هذه الوحدة الطرق الأساسية لنمذجة الكميات المعدودة. أولاً، سنناقش سبب عدم ملاءمة النماذج الخطية التقليدية لحساب البيانات. ستساعدك خصائص التوزيعات المعدودة على فهم الاختلافات بين أنواع GLM للبيانات المعدودة وميزات تشخيصاتها. ستشاهد وظيفة الارتباط تعمل عندما تتصور تنبؤات GLM على مقياس وظيفة الارتباط وعلى مقياس متغير الاستجابة.
4) النماذج الخطية المعممة ذات الاستجابة الثنائية
في بعض الأحيان تكون هناك حاجة لمحاكاة ما إذا كان حدث ما قد حدث أم لا، سواء فريق كرة قدم أو خاسر، سواء تعافى المريض بعد العلاج أم لا، سواء التزم العميل شراء أم لا. النماذج الخطية التقليدية ليست مناسبة لنمذجة مثل هذه البيانات الثنائية (الأحداث ذات النتيجتين)، ولكن يمكن القيام بذلك بسهولة باستخدام النماذج الخطية المعممة. في هذه الوحدة، ستتعلم كيفية نمذجة احتمالات وقوع الأحداث من خلال تمثيلها كاحتمالات. سننظر في كيفية عمل وظيفة رابط السجل وكيفية تفسير معاملات GLM عند استخدامها. وأخيرًا، ستتمكن من التدرب على تحليل النماذج الخطية المعممة بتوزيعات مختلفة من خلال استكمال مشروع تحليل البيانات. يجب تقديم نتائج هذا التحليل كتقرير بتنسيق html، مكتوبًا باستخدام rmarkdown/knitr.
• تعرف على المهارات اللازمة للبدء في التحليلات وعلوم البيانات • تعلم كيفية استخدام Excel وSQL وPower BI وGoogle Data Studio للعمل معها البيانات واكتب الكود الأول الخاص بك في Python • احصل على دليل خطوة بخطوة وتعرف على كيفية الدخول إلى مجال علم البيانات واختيار دور في علم البيانات
4,4
1 490 ₽