لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمار برای علوم داده با پایتون
- آخرین آپدیت
دانلود Statistics for Data Science with Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره آمار برای علوم داده طراحی شده است تا شما را با اصول اولیه متدها و رویههای آماری مورد استفاده در تحلیل دادهها آشنا کند. پس از اتمام این دوره، شما دانش عملی در مورد موضوعات حیاتی آمار از جمله جمعآوری دادهها، خلاصهسازی دادهها با استفاده از آمار توصیفی، نمایش و بصریسازی دادهها، بررسی روابط بین متغیرها، توزیعهای احتمالی، مقادیر مورد انتظار، آزمون فرضیه، آشنایی با ANOVA (تحلیل واریانس)، تحلیل رگرسیون و همبستگی خواهید داشت. شما با رویکردی عملی، تحلیلهای آماری را با استفاده از پایتون و Jupyter Notebooks (ابزارهای منتخب دانشمندان و تحلیلگران داده) اجرا خواهید کرد.
در پایان دوره، یک پروژه را برای بهکارگیری مفاهیم مختلف دوره در یک مسئله واقعی علوم داده تکمیل میکنید تا درک خود از تفکر و استدلال آماری بنیادی را به نمایش بگذارید. تمرکز این دوره بر ایجاد درک روشن از رویکردهای مختلف برای انواع دادهها، توسعه درک شهودی، ارزیابی مناسب متدهای پیشنهادی، استفاده از پایتون برای تحلیل دادهها و تفسیر دقیق خروجیها است.
این دوره برای طیف گستردهای از متخصصان و دانشجویانی که قصد دارند مسیر شغلی خود را در نقشهای دادهمحور مانند دانشمند داده (Data Scientist)، تحلیلگر داده (Data Analyst)، تحلیلگر کسبوکار (Business Analyst)، آمارشناس و پژوهشگر آغاز کنند، مناسب است. این دوره نیازی به پیشزمینه علوم کامپیوتر یا آمار ندارد. با این حال، اکیداً توصیه میکنیم قبل از شروع این دوره، دوره پایتون برای علوم داده را بگذرانید تا با زبان برنامهنویسی پایتون، محیط Jupyter و کتابخانههای آن آشنا شوید. یک بخش مرور اختیاری پایتون نیز در دوره گنجانده شده است.
پس از اتمام این دوره، یادگیرنده قادر خواهد بود:
✔معیارهای تمایل مرکزی و معیارهای پراکندگی را برای دادههای گروهی و غیرگروهی محاسبه و اعمال کند.
✔دادهها را به گونهای خلاصه، ارائه و بصریسازی کند که شفاف و مختصر باشد و بینشی کاربردی برای افراد غیرآمارشناس فراهم کند.
✔آزمونهای فرضیه مناسب برای مجموعههای داده رایج را شناسایی کند.
✔آزمونهای فرضیه، آزمونهای همبستگی و تحلیل رگرسیون را اجرا کند.
✔تسلط خود را در تحلیلهای آماری با استفاده از پایتون و Jupyter Notebooks به نمایش بگذارد.
سرفصل ها و درس ها
مقدمه دوره و مبانی پایتون
Course Introduction and Python Basics
خوشآمدگویی مدرسین!
Welcome from your Instructors!
پکیجهای پایتون برای علوم داده
Python Packages for Data Science
آشنایی با آمار و آمار توصیفی
Introduction & Descriptive Statistics
به دنیای آمار خوش آمدید!
Welcome to Statistics!
انواع دادهها
Types of Data
معیارهای تمایل مرکزی
Measure of Central Tendency
معیارهای پراکندگی
Measure of Dispersion
بصریسازی دادهها
Data Visualization
اصول بصریسازی
Visualization Fundamentals
آمار بر اساس گروهها
Statistics by Groups
نمودارهای آماری
Statistical Charts
معرفی دادههای رتبهبندی اساتید
Introducing the teacher's rating data
مقدمهای بر توزیعهای احتمالی
Introduction to Probability Distributions
اعداد تصادفی و توزیعهای احتمالی
Random Numbers and Probability Distributions
بیان فرضیه
State your hypothesis
توزیع نرمال
Normal Distribution
توزیع تی (T-distribution)
T distribution
احتمال دریافت ارزیابی تدریس بالا یا پایین
Probability of Getting a High or Low Teaching Evaluation
آزمون فرضیه
Hypothesis testing
آزمون z یا آزمون t
z-test or t-test
بررسی دنبالهها و رد فرضیه
Dealing with tails and rejections
واریانسهای برابر در مقابل نابرابر
Equal vs unequal variances
تحلیل واریانس (ANOVA)
ANOVA
آزمونهای همبستگی
Correlation tests
تحلیل رگرسیون
Regression Analysis
رگرسیون؛ ابزار اصلی تحلیل آماری
Regression - the workhorse of statistical analysis
رگرسیون به جای آزمون t
Regression in place of t - test
رگرسیون به جای ANOVA
Regression in place of ANOVA
رگرسیون به جای همبستگی
Regression in place of Correlation
پروژه عملی: دادههای مسکن بوستون
Project Case: Boston Housing Data
نمایش نظرات