آموزش تصمیم گیری آماری در علوم داده با مطالعه موردی
Statistical Decision Making in Data Science with Case Study
آنچه خواهید آموخت
- رگرسیون حداقل مربع
- ساخت OLS در Statsmodel
- تست فرضیه
- آزمون t
- ANOVA
- آمار F
- درجه آزادی مدل
- رسم خط رگرسیون بالاتر از نمودار پراکندگی (مقادیر مناسب)
- پیش بینی نتایج
- به پرسش از نظر آماری پاسخ دهید
به دوره "تصمیم گیری آماری در علوم داده با مطالعه موردی در پایتون" خوش آمدید
این دوره یک دوره مقدماتی است که در آن شما با اهمیت آمار و یادگیری ماشین در تصمیم گیری آشنا خواهید شد. من این دوره را با مطالعه موردی توضیح دادم. ما با بیان مسئله و داده شروع می کنیم و سپس مدل یادگیری ماشین را می سازیم. ساختن یک مدل یادگیری ماشین واقعاً کافی نیست اما تصمیم گیری در مورد یادگیری ماشین هدف اصلی در Data Science است. برای آن ، ما از آمار استفاده خواهیم کرد.
چه خواهید آموخت؟
-
درک مسئله را درک کنید (مطالعه موردی در شاخص Big Mac با استفاده در صنعت فارکس برای پیش بینی ارزش دلار)
-
پرسیدن سوال آماری.
-
رگرسیون خطی (رگرسیون کمترین مربع)
-
حداقل رگرسیون مربع را در پایتون ایجاد کنید.
-
نتایج را بفهمید
-
MSE
-
درجه آزادی
-
-
تست فرضیه
-
آزمون t برای اهمیت ضریب
-
آزمون F برای اهمیت مدل
-
ANOVA
-
-
همبستگی
-
R-Square
با مطالعه موردی ، رویکردهای رگرسیون را خواهید آموخت. ابتدا با درک معادله خطی و مقدار تابع بهینه سازی مجموع خطاهای مربع شروع می کنیم. با این کار مقادیر ضریب را پیدا می کنیم و حداقل رگرسیون مربع را ایجاد می کنیم. سپس ما شروع به ساخت رگرسیون خطی خود در پایتون می کنیم.
برای مدلی که ساخته ایم ، تست لازم مانند آزمایش فرضیه را داریم.
-
آزمون t برای اهمیت ضریب
-
ANOVA و F-test برای اهمیت مدل.
و در آخر ، ما به طور آماری به این س theال پاسخ می دهیم. امیدوارم که شما را در داخل دوره ببینیم !!!
این دوره برای چه کسانی است:
- مبتدی توسعه دهنده پایتون که می خواهد علوم داده
- را بیاموزد حل س relatedال مربوط به رگرسیون خطی
معرفی Introduction
-
معرفی Introduction
-
گوگل کولاب Google Colab
مطالعه موردی - فهرست بیگ مک Case Study - Big Mac Index
-
مطالعه موردی شاخص بیگ مک Big Mac Index Case Study Walk through
حداقل بازگشت به میدان Least Square Regression
-
رگرسیون حداقل مربعات رگرسیون خطی ، y = a + b X و SSE Least Square RegressionLinear Regression , y = a+b X and SSE
حداقل رگرسیون میدان در پایتون Least Square Regression in Python
-
نصب مدل رگرسیون حداقل مربع معمولی در پایتون Fitting Ordinary Least Square Regression Model in Python
-
بارگذاری داده و نمودار پراکندگی Load Data & Scatter Plot
آزمون فرضیه برای مدل سازی Hypothesis Testing to model
-
درجه آزادی مدل Degree of Freedom of the Model
-
تست فرضیه: آزمون t - آزمون Hypothesis testing : t - test
-
مقادیر متناسب Fitted Values
-
تست فرضیه: ANOVA Hypothesis testing : ANOVA
-
F - آمار در پایتون F - Statistics in Python
-
میدان R R Square
-
پاسخ ها Answers
جایزه Bonus
-
جایزه bonus
نمایش نظرات
نظری ارسال نشده است.
این دوره غیر فعال شده است.
https://donyad.com/d/c034
آموزش یادگیری عمیق با PyTorch برای تجزیه و تحلیل تصویر پزشکی
Deep Learning with PyTorch for Medical Image Analysis
یاد بگیرید که چگونه از Pytorch-Lightning برای حل وظایف تصویربرداری پزشکی در دنیای واقعی استفاده کنید!
آموزش بوت کمپ یادگیری ماشینی تحت نظارت
The Supervised Machine Learning Bootcamp
علم داده، پایتون، یادگیری sk، درخت تصمیم، جنگل‌های تصادفی، KNN، رگرسیون کمند ریج، SVM
آموزش مهندسی داده با Spark Databricks Delta Lake Lakehouse
Data Engineering with Spark Databricks Delta Lake Lakehouse
Apache Spark Databricks Lakehouse Delta Lake Delta Tables Delta Caching Scala Python Data Engineering برای مبتدیان
آموزش NLP - ساخت ربات های چت خود با استفاده از هوش مصنوعی
NLP - Building your own chatbots using AI
با استفاده از مفاهیم پردازش زبان طبیعی یک چت بات هوش مصنوعی بسازید
Sudhir G
Data ScientistSudhir یک دانشمند باتجربه با سابقه کار در صنعت فناوری اطلاعات و خدمات است. ماهر در یادگیری ماشین ، یادگیری عمیق ، الگوریتم های آماری که بیشتر روی پردازش تصویر و برنامه پردازش زبان طبیعی کار می کند. وی همچنین با موفقیت بسیاری از پروژه های مربوط به دانش داده را در سیستم عامل های ابری به عنوان یک سرویس مستقر کرد. حرفه ای مهندسی قوی با مدرک لیسانس متمرکز بر مهندسی برق و الکترونیک.
Data Science Anywhere Team
تیم مهندس و توسعه دهندگان سلام ، ما تیمی متشکل از کارشناسان یادگیری ماشین ، توسعه دهندگان هوش مصنوعی هستیم که با هم همکاری می کنند تا وضعیت هنر هوش مصنوعی را پیشرفت دهند. وقتی دوره های جدید آزاد می شوید ، با پرسش و پاسخ و بسیاری موارد دیگر از ما می شنوید. ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. با تشکر، تیم Data Science Anywhere
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.