中
本课程将向您介绍抽样和数据探索，以及基本概率论和贝叶斯法则。您将学习各种类型的抽样方法，并讨论这些方法如何影响推论的范围。还将介绍各种探索性数据分析技术，包括数字汇总统计和基本数据可视化。将指导您安装和使用 R 和 RStudio（免费统计软件），并使用该软件进行实验练习和期末项目。本课程中的概念和技术将作为本专业推论和建模课程的基石。
使用 R 的概率与数据入门
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 使用 R 进行数据分析 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有8个模块
本课程向您介绍抽样和数据探索以及基本概率论。您将学习各种类型的抽样方法，并讨论这些方法如何影响数据分析的效用。本模块中的概念将为我们以后的课程奠定基础。每节课都有一系列学习目标，将通过一系列视频短片进行讲解。此外，还将从 OpenIntro Statistics 第 3 版 https://leanpub.com/openintro-statistics/（我与他人合著的免费在线统计学入门教科书）中推荐补充读物和练习题。每周都会有测验，旨在评估您对当周视频材料的学习和掌握情况。此外，每周还会有一个实验作业，您将使用 R 将所学知识应用到实际数据中。还会有一个数据分析项目，旨在让你能够回答自己选择的研究问题。由于这是一门 Coursera 课程，所以你可以根据自己的喜好或多或少地参与其中，不过我希望你能从充分参与开始。参与有关课程材料的论坛讨论是 Coursera 课程最有价值的方面之一。请充分利用其他学生的反馈和见解，并在你认为合适的地方贡献自己的观点。您还可以查看资源页面 (https://hua.dididi.sbs/learn/probability-intro/resources/crMc4)，其中列出了本课程的有用资源。感谢您加入概率论与数据导论社区！请在讨论区打招呼。我们期待您参与本课程。
涵盖的内容
1个视频2篇阅读材料
欢迎来到 "概率与数据入门 "课程！希望你和我一样对这门课程充满期待！在接下来的五周，我们将学习如何设计研究，通过数字摘要和可视化来探索数据，并学习概率规则和常用的概率分布。如果您有任何问题，请随时在本模块的论坛（https://hua.dididi.sbs/learn/probability-intro/module/rQ9Al/discussions?sort=lastActivityAtDesc&page=1）上发表，并与同伴讨论！要开始学习，请查看本模块第 1 课的学习目标 (https://hua.dididi.sbs/learn/probability-intro/supplement/rooeY/lesson-learning-objectives)。
涵盖的内容
6个视频2篇阅读材料2个作业
要完成这项作业，您将使用安装在本地计算机上的 R 和 RStudio，或通过 RStudio 云来完成。
涵盖的内容
2篇阅读材料1个作业
欢迎来到概率与数据导论的第 2 周！希望你喜欢第一周的材料。本周我们将更深入地研究数值数据和分类数据，并介绍推论。
涵盖的内容
7个视频3篇阅读材料2个作业
要完成这项作业，您将使用安装在本地计算机上的 R 和 RStudio，或通过 RStudio 云来完成。
涵盖的内容
2篇阅读材料1个作业
欢迎来到概率与数据导论的第 3 周！上周我们探讨了数值数据和分类数据。本周我们将讨论概率、条件概率、贝叶斯定理，并简要介绍贝叶斯推理。感谢您的热情参与，祝您本周愉快！我期待着与你们一起学习本课程的其余部分。
涵盖的内容
9个视频3篇阅读材料2个作业
要完成这项作业，您将使用安装在本地计算机上的 R 和 RStudio，或通过 RStudio 云来完成。
涵盖的内容
2篇阅读材料1个作业
迄今为止的出色表现欢迎来到第 4 周--概率与数据导论的最后一周内容！本周我们将介绍两种概率分布：特别是正态分布和二项分布。按照惯例，您可以在本周的测验中评估自己的知识掌握情况。本周没有实验课。如有任何问题、讨论和相关主题，请随时在本周论坛（https://hua.dididi.sbs/learn/probability-intro/module/VdVNg/discussions?sort=lastActivityAtDesc&page=1）上发表。 本周还将要求您使用真实世界的数据集完成一个初步的数据分析项目。该项目旨在帮助你们利用真实数据和本课所学的统计方法，发现和探索自己的研究问题。请阅读项目说明，完成自我评估。
涵盖的内容
6个视频5篇阅读材料2个作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.8 (802个评价)
从 数据分析 浏览更多内容
状态：预览Stanford University
状态：免费试用University of California, Santa Cruz
状态：免费试用Johns Hopkins University
状态：预览IIMA - IIM Ahmedabad
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.7
5,810 条评论
- 5 stars
78.11%
- 4 stars
17.17%
- 3 stars
2.56%
- 2 stars
0.70%
- 1 star
1.44%
显示 3/5810 个
JH
4
已于 Mar 26, 2020审阅
The instructions for the final project need to be much clearer. I had a hard time figuring it out, and all of the projects I peer-edited were done poorly. Otherwise, I enjoyed the course very much!
YK
5
已于 Oct 18, 2021审阅
Great course, which is very well explained. I loved how every module has a lab assignment, which makes theory easier to understand. Final project was very interesting too! Highly recommend.
SG
4
已于 Jun 18, 2019审阅
The contents of the course about statistics are friendly to the beginners and easy to understand, however, the R learning is a little bit hard to those who have no computer or coding background.
常见问题
完成 Coursera 课程不能获得杜克大学的学分；因此，杜克大学无法为您提供大学成绩单。不过，您的电子证书将被添加到您的成就页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
更多问题
提供助学金，